02744ntm a22004937i 4500 000720547 CZ-PrVSE 20250301181534.0 m d cr n|||||||||| 250301s2025 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Poláková, Andrea ISIS:125324 dis Predikce výše equity do start-upů metodami strojového učení eng Predikce výše equity investic do start-upů metodami strojového učení / Andrea Poláková 2025 ?? stran : digital, PDF soubor Vedoucí práce: Pavel Svačina Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 This thesis investigates the application of tree-based algorithms to analyze factors influencing startup success and evaluates their accuracy. The thesis employs three types of algorithms: Random Forest, Gradient Boosting, and simple regression tree. By applying these algorithms to a startup dataset, the research aims to determine their suitability for analyzing factors that may impact a startup´s success, defined as the total funding raised by a company in U.S. dollars. The findings indicate that tree-based algorithms can serve as practical supplementary tools for decision-making processes by identifying key factors contributing to startup success. However, the study also highlights certain limitations of these methods, which are discussed in detail to provide a balanced perspective on their application. Způsob přístupu: Internet finance [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas Startup Predictive analysis Decision Trees Svačina, Pavel, 1979- mzk2006368362 ths Novák, Michal ISIS:80894 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/84983/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/84983 Hlavní práce https://insis.vse.cz/zp/84983/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/84983/posudek/oponent/82809 Oponentura https://insis.vse.cz/zp/84983/podrobnosti dc:identifier NEPOSILAT VSKP vse84983 250208 84983