03839ntm a22005297i 4500 000681340 CZ-PrVSE 20210206111302.0 m d cr n|||||||||| 210206s2020 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Filip, Jiří ISIS:118850 dis Analysis of Interpretable Decision Sets Algorithm eng Analýza algoritmu Interpretable Decision Sets / Jiří Filip 2020 ?? stran : digital, PDF soubor Vedoucí práce: Tomáš Kliegr Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2021 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2021 Tato práce se zaměřuje na analýzu algoritmu Interpretable Decision Sets (IDS). Ten si klade za cíl vytvářet interpretovatelné klasifikátory z asociačních pravidel na základě submodulární maximalizace. Algoritmus však (dle našich experimentů) ve své referenční implementaci funguje velice pomalu a nespolehlivě. Chybí rovněž spolehlivá implementace procedury pro hledání vhodných hyper-parametrů, bez nichž algoritmus není schopen naplňovat svůj potenciál interpretovatelné klasifikace. Tato práce si klade za cíl algoritmus analyzovat a odhalit, popřípadě opravit, jeho nedostatky. V teoretické části práce jsou do hloubky rozebrány vlastnosti algoritmu, včetně matematického pozadí. K výkladu jsou připojeny rozličné poznatky o fungování a vlastnostech algoritmu, které jsme byli schopni za dobu testování IDS shromáždit. V praktické části jsou tyto poznatky využity a je přednesen návrh pro zaměnění algoritmu pro submodulární optimalizaci za algoritmus RUSM (Randomized Unconstrained Submodular Maximization), který je výkonnější a časově méně náročný. Dále je upravena procedura pro hledání vhodných hyper-parametrů, aby dokázala poskytovat uspokojivé výsledky i pro velmi přísná nastavení podmínek interpretability. Kromě toho jsou rozebrány některé další nedostatky a vlastnosti algoritmu. Výstupem práce je implementace IDS v programovacím jazyce Python - pyIDS. Vzhledem k časové náročnosti algoritmu slouží implementace spíše pro výzkumné účely a jako taková nabízí rozličné možnosti nastavení algoritmu a jeho částí. Tato práce rovněž zahrnuje benchmark algoritmů IDS a CBA, který hodnotí klasifikační výkonnost algoritmů a také jejich schopnost poskytovat interpretovatelná řešení. Způsob přístupu: Internet znalostní a webové technologie [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas asociační pravidla machine learning interpretabilita pyID IDS Kliegr, Tomáš ISIS:8484 ths Kopp, Martin opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/70783/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/70783 Hlavní práce https://insis.vse.cz/zp/70783/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/70783/posudek/oponent/69354 Oponentura https://insis.vse.cz/zp/70783/priloha/21352 Přiloha k práci https://insis.vse.cz/zp/70783/podrobnosti dc:identifier NEPOSILAT VSKP vse70783 210203 70783