Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση
Στην παρούσα διπλωματική εργασία κατασκευάζουμε μια μέθοδο προεπεξεργασίας αριθμητικών δεδομένων, χρησιμοποιόντας την Ανάλυση Παραγόντων και την Θεωρία Απόκρισης Ερωτημάτων, ώστε να βελτιωθεί η απόδοση σε μοντέλα μηχανικής μάθησης. Αρχικά χρησιμοποιούμε την ανάλυση παραγόντων για να βρούμε τους κοιν...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | https://hdl.handle.net/10889/25006 |
| id |
nemertes-10889-25006 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-250062023-05-30T03:36:25Z Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση The item response theory in machine learning Παναγιώτου, Γεώργιος Panagiotou, Georgios Θεωρία απόκρισης ερωτημάτων Μηχανική μάθηση Item response theory Machine learning Στην παρούσα διπλωματική εργασία κατασκευάζουμε μια μέθοδο προεπεξεργασίας αριθμητικών δεδομένων, χρησιμοποιόντας την Ανάλυση Παραγόντων και την Θεωρία Απόκρισης Ερωτημάτων, ώστε να βελτιωθεί η απόδοση σε μοντέλα μηχανικής μάθησης. Αρχικά χρησιμοποιούμε την ανάλυση παραγόντων για να βρούμε τους κοινούς παράγοντες των αριθμητικών δεδομένων. ΄Επειτα εφαρμόζουμε τον αλγόριθμο K-Means ώστε να μετατρέψουμε τις αριθμητικές τιμές σε βαθμολογίες. Τέλος για κάθε παράγοντα εφαρμόζουμε την Θεωρία Απόκρισης Ερωτημάτων και εξάγουμε το σκορ σημαντικότητας του παράγοντα. Πιο συγκεκριμένα, στα πρώτα 2 κεφάλαια αναλύουμε τις στατιστικές μεθόδους καθώς και τα μοντέλα μηχανικής μάθησης που εφαρμόσαμε. Στη συνέχεια βλέπουμε το σετ δεδομένουν κόκκινου κρασιού που χρησιμοποιήθηκε και τον τρόπο εφαρμογής της μεθόδου που περιγράψαμε. Τέλος συκγρίνουμε τα αποτελέσματα 4 αλγόριθμων μηχανικής μάθησης για τα δεδομένα που επεξεργαστήκαμε με τα αρχικά, όπου παρατηρούμε την απόδοση της μεθόδου και εξάγουμε τα τελικά συμπεράσματα. In this thesis, we construct a method for preprocessing numerical data using Factor Analysis and Item Response Theory to improve performance in machine learning models. We first use factor analysis to and the common factors of numerical data. Then we apply the K-Means algorithm to convert the numerical values into scores. Finally for each factor we apply Item Response Theory and extract the factor significance score. More speci cally, in the first 2 chapters we discuss the statistical methods as well as the machine learning models we applied. We then look at the red wine dataset used and how we applied the method we described. Finally we summarize the results of 4 machine learning algorithms for the data we processed with the original data, where we observe the performance of the method and draw the final conclusions. 2023-05-29T10:57:54Z 2023-05-29T10:57:54Z 2023-03-23 https://hdl.handle.net/10889/25006 el application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Θεωρία απόκρισης ερωτημάτων Μηχανική μάθηση Item response theory Machine learning |
| spellingShingle |
Θεωρία απόκρισης ερωτημάτων Μηχανική μάθηση Item response theory Machine learning Παναγιώτου, Γεώργιος Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| description |
Στην παρούσα διπλωματική εργασία κατασκευάζουμε μια μέθοδο προεπεξεργασίας αριθμητικών δεδομένων, χρησιμοποιόντας την Ανάλυση Παραγόντων
και την Θεωρία Απόκρισης Ερωτημάτων, ώστε να βελτιωθεί η απόδοση σε μοντέλα μηχανικής μάθησης. Αρχικά χρησιμοποιούμε την ανάλυση παραγόντων
για να βρούμε τους κοινούς παράγοντες των αριθμητικών δεδομένων. ΄Επειτα
εφαρμόζουμε τον αλγόριθμο K-Means ώστε να μετατρέψουμε τις αριθμητικές
τιμές σε βαθμολογίες. Τέλος για κάθε παράγοντα εφαρμόζουμε την Θεωρία
Απόκρισης Ερωτημάτων και εξάγουμε το σκορ σημαντικότητας του παράγοντα. Πιο συγκεκριμένα, στα πρώτα 2 κεφάλαια αναλύουμε τις στατιστικές
μεθόδους καθώς και τα μοντέλα μηχανικής μάθησης που εφαρμόσαμε. Στη
συνέχεια βλέπουμε το σετ δεδομένουν κόκκινου κρασιού που χρησιμοποιήθηκε και τον τρόπο εφαρμογής της μεθόδου που περιγράψαμε. Τέλος συκγρίνουμε τα αποτελέσματα 4 αλγόριθμων μηχανικής μάθησης για τα δεδομένα που
επεξεργαστήκαμε με τα αρχικά, όπου παρατηρούμε την απόδοση της μεθόδου
και εξάγουμε τα τελικά συμπεράσματα. |
| author2 |
Panagiotou, Georgios |
| author_facet |
Panagiotou, Georgios Παναγιώτου, Γεώργιος |
| author |
Παναγιώτου, Γεώργιος |
| author_sort |
Παναγιώτου, Γεώργιος |
| title |
Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| title_short |
Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| title_full |
Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| title_fullStr |
Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| title_full_unstemmed |
Η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| title_sort |
η θεωρία της απόκρισης ερωτημάτων στη μηχανική μάθηση |
| publishDate |
2023 |
| url |
https://hdl.handle.net/10889/25006 |
| work_keys_str_mv |
AT panagiōtougeōrgios ētheōriatēsapokrisēserōtēmatōnstēmēchanikēmathēsē AT panagiōtougeōrgios theitemresponsetheoryinmachinelearning |
| _version_ |
1771297233862393856 |
