| Περίληψη: | Η τεράστια ανάπτυξη της τεχνολογίας τα τελευταία χρόνια σε συνδυασμό με την ευρύτατη χρήση τεχνολογικών μέσων όπως υπολογιστών έξυπνων κινητών και λοιπών έχει επιφέρει τον πολύ μεγάλο όγκο δεδομένων. Σε αυτόν τον μεγάλο όγκο δεδομένων υπάρχουν δεδομένα που θα είναι είτε χρήσιμα είτε μη χρήσιμα. Για αυτόν τον λόγο η σημασία της ερμηνευσιμότητας, την οποία θα αναλύσουμε ενδελεχώς στην παρούσα εργασία, είναι μεγάλη και παίζει καθοριστικό ρόλο στην λήψη αποφάσεων των ερευνητών και των επιστημόνων για τις διάφορες εργασίες που τους έχουν ανατεθεί. Αναλυτικά στην συγκεκριμένη εργασία θα δούμε:
1ο κεφάλαιο: Τον ορισμό της μηχανικής μάθησης και τους διάφορους αλγόριθμους όπως και τις προσεγγίσεις της για την επίλυση προβλημάτων με την χρήση της.
2ο κεφάλαιο: Την σημασία, την αξιολόγηση και τον σκοπό της ερημενευσιμότητας καθώς και την ταξινόμηση και των ερμηνευτικών μεθόδων.
3ο κεφάλαιο: Τα ερμηνευτικά μοντέλα, όπως την γραμμική και λογιστική παλινδρόμηση, τον Naïve Bayes, τον k-means, τα δέντρα αποφάσεων και τα γενικευμένα γραμμικά μοντέλα, τον αλγόριθμο του καθενός από τα παραπάνω μοντέλα καθώς και ένα παράδειγμα με εφαρμογή του καθενός από αυτά σε πραγματικά δεδομένα αναφέροντας επίσης πλεονεκτήματα και μειονεκτήματα της κάθε μεθόδου.
4ο κεφάλαιο: Κάποιες μοντέλο-αγνωστικιστικές μεθόδους και το πως λειτουργούν.
5ο κεφάλαιο: Τα συμπεράσματα που εξαγάγαμε καθώς και προτάσεις για μελλοντική έρευνα.
|
|---|
