Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης
Στην παρούσα διπλωματική μελετάται το πρόβλημα της αξιολόγησης ιδιωτικών επενδύσεων της Περιφέρειας Δυτικής Ελλάδας, οι οποίες έχουν υπαχθεί στον Αναπτυξιακό Νόμο 3299/04, με την χρήση αλγορίθμων μηχανικής μάθησης. Ο στόχος είναι δημιουργία ενός μοντέλου αξιολόγησης επενδύσεων το οποίο θα έχει...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12152 |
| id |
nemertes-10889-12152 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-121522022-09-05T09:41:29Z Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης Evaluation of investments in the privet sector according to L.3299/04 with machine learning algorithms Παπακωνσταντίνου, Αναστασία Κωτσιαντής, Σωτήρης Κωτσιαντής, Σωτήρης Γράψα, Θεοδούλα Καβαδίας, Δημήτρης Papakonstantinou, Anastasia Μηχανική μάθηση Κατηγοριοποίηση Ταξινομητές Αξιολόγηση ιδιωτικών επενδύσεων Αναπτυξιακός νόμος 3299/04 Machine learning Classification Classifiers Evaluation of investments in the private sector Development Law 3299/04 332.602 85 Στην παρούσα διπλωματική μελετάται το πρόβλημα της αξιολόγησης ιδιωτικών επενδύσεων της Περιφέρειας Δυτικής Ελλάδας, οι οποίες έχουν υπαχθεί στον Αναπτυξιακό Νόμο 3299/04, με την χρήση αλγορίθμων μηχανικής μάθησης. Ο στόχος είναι δημιουργία ενός μοντέλου αξιολόγησης επενδύσεων το οποίο θα έχει ενσωματώσει την γνώση που υπάρχει στην αρμόδια υπηρεσία που χειρίζεται τον Αναπτυξιακό Νόμο ( Διεύθυνση Αναπτυξιακού Προγραμματισμού της Περιφέρειας Δυτικής Ελλάδας - ΔΙ.Α.Π. Π.Δ.Ε.) ώστε να αποτελέσει βοηθητικό εργαλείο αξιολόγησης. Τα σύνολα δεδομένων που χρησιμοποιήθηκαν για να εκπαιδεύσουν τους αλγόριθμούς κατηγοριοποίησης, δημιουργήθηκαν από τα στοιχεία των επενδύσεων που υπάρχουν στα αρχεία της ΔΙ.Α.Π., μετά από σχετική άδεια. Στο πειραματικό μέρος της εργασίας εξετάστηκαν διάφοροι αλγόριθμοι κατηγοριοποίησης όπως οι : Naive Bayes, Δέντρα Απόφασης ( Decision Trees ), Νευρωνικά Δίκτυα (Neural Networks), Λογιστική Παλινδρόμηση (Logistic Regression) και Σύνθετοι Κατηγοριοποιητές (Ensemble Classifiers) και αξιολογήθηκαν ως προς την αποδοτικότητά τους. The evaluation of investments in the private sector according to Development Law 3299/04 in the Region of Western Greece is the problem being researched in the present thesis, using machine learning algorithms. Our goal is the creation of a model of assessing investments, which will integrate all of the knowledge that the office which handles the Development Law holds (Directorate of Development Planning of Region of Western Greece – DDP RWG), so that it could be used as an auxiliary evaluation tool. The data sets used to train the classification algorithms were created using the investments’ archives of DDP, after the necessary permission. Several classification algorithms were analysed in the experimental part of the thesis such as: Naïve Bayes, Decision Trees, Neural Networks, Logistic Regression and Ensemble Classifiers, and were evaluated according to their efficiency. 2019-05-16T12:48:42Z 2019-05-16T12:48:42Z 2018-08-28 Thesis http://hdl.handle.net/10889/12152 gr 0 application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μηχανική μάθηση Κατηγοριοποίηση Ταξινομητές Αξιολόγηση ιδιωτικών επενδύσεων Αναπτυξιακός νόμος 3299/04 Machine learning Classification Classifiers Evaluation of investments in the private sector Development Law 3299/04 332.602 85 |
| spellingShingle |
Μηχανική μάθηση Κατηγοριοποίηση Ταξινομητές Αξιολόγηση ιδιωτικών επενδύσεων Αναπτυξιακός νόμος 3299/04 Machine learning Classification Classifiers Evaluation of investments in the private sector Development Law 3299/04 332.602 85 Παπακωνσταντίνου, Αναστασία Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| description |
Στην παρούσα διπλωματική μελετάται το πρόβλημα της αξιολόγησης ιδιωτικών επενδύσεων της Περιφέρειας Δυτικής Ελλάδας, οι οποίες έχουν υπαχθεί στον Αναπτυξιακό Νόμο 3299/04, με την χρήση αλγορίθμων μηχανικής μάθησης.
Ο στόχος είναι δημιουργία ενός μοντέλου αξιολόγησης επενδύσεων το οποίο θα έχει ενσωματώσει την γνώση που υπάρχει στην αρμόδια υπηρεσία που χειρίζεται τον Αναπτυξιακό Νόμο ( Διεύθυνση Αναπτυξιακού Προγραμματισμού της Περιφέρειας Δυτικής Ελλάδας - ΔΙ.Α.Π. Π.Δ.Ε.) ώστε να αποτελέσει βοηθητικό εργαλείο αξιολόγησης.
Τα σύνολα δεδομένων που χρησιμοποιήθηκαν για να εκπαιδεύσουν τους αλγόριθμούς κατηγοριοποίησης, δημιουργήθηκαν από τα στοιχεία των επενδύσεων που υπάρχουν στα αρχεία της ΔΙ.Α.Π., μετά από σχετική άδεια.
Στο πειραματικό μέρος της εργασίας εξετάστηκαν διάφοροι αλγόριθμοι κατηγοριοποίησης όπως οι : Naive Bayes, Δέντρα Απόφασης ( Decision Trees ), Νευρωνικά Δίκτυα (Neural Networks), Λογιστική Παλινδρόμηση (Logistic Regression) και Σύνθετοι Κατηγοριοποιητές (Ensemble Classifiers) και αξιολογήθηκαν ως προς την αποδοτικότητά τους. |
| author2 |
Κωτσιαντής, Σωτήρης |
| author_facet |
Κωτσιαντής, Σωτήρης Παπακωνσταντίνου, Αναστασία |
| format |
Thesis |
| author |
Παπακωνσταντίνου, Αναστασία |
| author_sort |
Παπακωνσταντίνου, Αναστασία |
| title |
Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| title_short |
Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| title_full |
Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| title_fullStr |
Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| title_full_unstemmed |
Αξιολόγηση ιδιωτικών επενδύσεων Ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| title_sort |
αξιολόγηση ιδιωτικών επενδύσεων ν.3299/04 με αλγορίθμους μηχανικής μάθησης |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12152 |
| work_keys_str_mv |
AT papakōnstantinouanastasia axiologēsēidiōtikōnependyseōnn329904mealgorithmousmēchanikēsmathēsēs AT papakōnstantinouanastasia evaluationofinvestmentsintheprivetsectoraccordingtol329904withmachinelearningalgorithms |
| _version_ |
1771297190775357440 |
