03500ntm a22005297i 4500 000727998 CZ-PrVSE 20260201122909.0 m d cr n|||||||||| 260201s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Tomsa, Kryštof ISIS:169869 dis Comparison of Machine Learning Classification Methods Using Monte Carlo Simulations eng Porovnání Klasifikačních Metod Strojového Učení Pomocí Monte Carlo Simulací / Kryštof Tomsa 2025 ?? stran : digital, PDF soubor Vedoucí práce: Martin Konopásek Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2026 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2026 Ačkoliv jsou srovnání klasifikačních metod v odborné literatuře poměrně častá, často mají omezený pohled, ať už z hlediska vybraných metod, metrik nebo datových souborů. Tato práce se snaží vydat nekonvenčním směrem využitím simulační studie s Monte Carlo simulacemi. Je vytvořeno celkem osm scénářů pro generování datových souborů s různým nastavením počtu pozorování. Pro každé nastavení je vytvořeno 500 datových souborů. Nejprve jsou vyhodnoceny odhady logistické regrese z hlediska zkreslení a nekonzistentnosti a následně je logistická regrese porovnána s XGBoost, náhodnými lesy, umělými neuronovými sítěmi a logistickou regresí s weight of evidence transformací prediktorů pomocí 7 zvolených metrik. Z výsledků vyplývá, že ke zkreslení odhadů koeficientů dochází za přítomnosti definované časové závislosti, normální distribuce šumu, endogenity a nelinearity, přičemž velké zkreslení je pozorováno v malých datových souborech. Pokud jde o porovnání modelů, tak největší rozdíly v prediktivní síle modelů jsou způsobeny inkluzí (ne)linearity v procesu generování dat a velikostí vygenerovaného datového souboru. Pro malé datové soubory a pro velké soubory za přítomnosti linearity vychází z výsledků nejlépe logistická regrese, v ostatních případech jsou to většinou umělé neuronové sítě. Způsob přístupu: Internet data analytics [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas konzistentnost porovnání modelů zkreslení strojové učení logistická regrese simulační studie Konopásek, Martin ISIS:119806 ths Formánek, Tomáš ISIS:46723 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/91320/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/91320 Hlavní práce https://insis.vse.cz/zp/91320/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/91320/posudek/oponent/88967 Oponentura https://insis.vse.cz/zp/91320/podrobnosti dc:identifier NEPOSILAT VSKP vse91320 260130 91320