Abstract:
W niniejszej pracy zostały przedstawione matematyczne podstawy wybranych algorytmów
nauczania maszynowego. Omówiono algorytmy regresji, maszyn wektorów
nośnych oraz algorytm nauczania zespołowego - model lasu losowego. Które następnie
testowano i oceniano z użyciem dwóch zestawów danych pochodzących z tego samego
badania mięśnia sercowego, wykonanego za pomocą tomografii emisyjnej pojedynczych
fotonów - badania SPECT.
Przybliżono również podstawowe pojęcia związane z tematem nauczania maszynowego,
takie jak miary wydajności, strojenie modeli oraz problemy w nauczaniu
maszynowym.
Zaprezentowany został proces pozyskania danych w wyniku wykorzystania algorytmu
analizy obrazu wspieranej przez proces diagnostyczny kardiologa.
Zaprezentowany został proces budowy wybranych modeli, jak również proces nauki
i ewaluacji modelu. Wyniki algorytmów zostały porównane przy pomocy podstawowych
miar ocen wydajności klasyfikatorów.
Otrzymane wyniki wskazują na potrzebę treningu podobnych klasyfikatorów na
większym zestawie danych. Nie wykazano znacznych różnic pomiędzy wydajnością
algorytmów względem uczenia się na różnych zbiorach danych
