Show simple item record

Dobývání znalostí z dat pomocí kopulí
dc.contributor.advisorHoleňa, Martin
dc.creatorŠčavnický, Martin
dc.date.accessioned2017-05-16T06:26:36Z
dc.date.available2017-05-16T06:26:36Z
dc.date.issued2013
dc.identifier.urihttp://hdl.handle.net/20.500.11956/55292
dc.description.abstractNázev práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Kopule jsou funkce, které popisují vztah mezi sdruženým roz- dělením náhodného vektoru a jeho marginály. Kopule umožňují modelo- vat vícerozměrná rozdělení a jsou hojně využívány ve finančnictví a zk- oumány v dobývání znalostí. V praxi existuje mnoho různých rodin kopulí, ale žádný standardní spůsob, jak vybrat tu správnou. V naší práci se zabýváme porovnáním vhodnosti různych rodin kopulí k dobývaní znalostí. Prokládáme klasifikační data pomoci osmi rodin kopulí a porovnáváme je pomocí tří metrik kvality proložení. Také používáme klasifikační algorit- mus založený na kopulích a porovnáváme jeho přesnost pro různé rodiny kopulí. Výsledky naznačují, že eliptické kopule popisují naše data nejlépe, ale v přesnosti klasifikace jsou s nimi porovnatelné hierarchické Archime- dovské kopule. V práci také navrhujeme a testujeme modifikovanou metodu pro modelování dat pomocí hierarchických Archimedovských kopulí, která je schopna lépe popsat některá data...cs_CZ
dc.description.abstractTitle: A study of applying copulas in data mining Author: Martin Ščavnický Department: Department of Theoretical Computer Science and Mathe- matical Logic Supervisor: RNDr. Ing. Martin Holeňa CSc., Department of Theoretical Computer Science and Mathematical Logic Abstract: Copulas are functions that describe the relationship between a multivariate distribution function and its marginals. They provide a way to model multivariate distribution functions, and are extensively used in finance and studied in data mining. In practice, there are many different copula families and no standard way for choosing the right one. In our work, we compare suitability of different copula families in data mining. We fit classification data using 8 copula families and compare them using 3 mea- sures of fit. We also use a classification algorithm based on copulas and compare its accuracy for different copula families. The results indicate that elliptical copulas fit our data better, but hierarchical Archimedean copulas give comparable accuracy in the classification. We also propose and test a modified method for modelling data using hierarchical Archimedean copu- las, which fits some datasets with negative dependence between attributes better. Based on this modified method, we propose a visualization of depen- dence in data and observe...en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectdata miningcs_CZ
dc.subjectvztahy mezi atributycs_CZ
dc.subjectpravděpodobnostní vztahycs_CZ
dc.subjectkopulecs_CZ
dc.subjecttypy kopulícs_CZ
dc.subjectdata miningen_US
dc.subjectrelationships between attributesen_US
dc.subjectprobabilistic relationshipsen_US
dc.subjectcopulasen_US
dc.subjectkinds of copulasen_US
dc.titleA study of applying copulas in data miningen_US
dc.typediplomová prácecs_CZ
dcterms.created2013
dcterms.dateAccepted2013-05-15
dc.description.departmentDepartment of Theoretical Computer Science and Mathematical Logicen_US
dc.description.departmentKatedra teoretické informatiky a matematické logikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId134840
dc.title.translatedDobývání znalostí z dat pomocí kopulícs_CZ
dc.contributor.refereeHauzar, David
dc.identifier.aleph001588411
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineTheoretical Computer Scienceen_US
thesis.degree.disciplineTeoretická informatikacs_CZ
thesis.degree.programInformatikacs_CZ
thesis.degree.programComputer Scienceen_US
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra teoretické informatiky a matematické logikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Theoretical Computer Science and Mathematical Logicen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csTeoretická informatikacs_CZ
uk.degree-discipline.enTheoretical Computer Scienceen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csNázev práce: Dobývání znalostí z dat pomocí kopulí Autor: Martin Ščavnický Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: RNDr. Ing. Martin Holeňa CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Kopule jsou funkce, které popisují vztah mezi sdruženým roz- dělením náhodného vektoru a jeho marginály. Kopule umožňují modelo- vat vícerozměrná rozdělení a jsou hojně využívány ve finančnictví a zk- oumány v dobývání znalostí. V praxi existuje mnoho různých rodin kopulí, ale žádný standardní spůsob, jak vybrat tu správnou. V naší práci se zabýváme porovnáním vhodnosti různych rodin kopulí k dobývaní znalostí. Prokládáme klasifikační data pomoci osmi rodin kopulí a porovnáváme je pomocí tří metrik kvality proložení. Také používáme klasifikační algorit- mus založený na kopulích a porovnáváme jeho přesnost pro různé rodiny kopulí. Výsledky naznačují, že eliptické kopule popisují naše data nejlépe, ale v přesnosti klasifikace jsou s nimi porovnatelné hierarchické Archime- dovské kopule. V práci také navrhujeme a testujeme modifikovanou metodu pro modelování dat pomocí hierarchických Archimedovských kopulí, která je schopna lépe popsat některá data...cs_CZ
uk.abstract.enTitle: A study of applying copulas in data mining Author: Martin Ščavnický Department: Department of Theoretical Computer Science and Mathe- matical Logic Supervisor: RNDr. Ing. Martin Holeňa CSc., Department of Theoretical Computer Science and Mathematical Logic Abstract: Copulas are functions that describe the relationship between a multivariate distribution function and its marginals. They provide a way to model multivariate distribution functions, and are extensively used in finance and studied in data mining. In practice, there are many different copula families and no standard way for choosing the right one. In our work, we compare suitability of different copula families in data mining. We fit classification data using 8 copula families and compare them using 3 mea- sures of fit. We also use a classification algorithm based on copulas and compare its accuracy for different copula families. The results indicate that elliptical copulas fit our data better, but hierarchical Archimedean copulas give comparable accuracy in the classification. We also propose and test a modified method for modelling data using hierarchical Archimedean copu- las, which fits some datasets with negative dependence between attributes better. Based on this modified method, we propose a visualization of depen- dence in data and observe...en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra teoretické informatiky a matematické logikycs_CZ
dc.identifier.lisID990015884110106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV