Logistilise ja aditiivse logistilise mudeli võrdlus saarlaste antropoloogiliste mõõtmiste näitel

dc.contributor.advisorTraat, Imbi, juhendaja
dc.contributor.authorGorbova, Jelena
dc.contributor.otherTartu Ülikool. Matemaatika ja statistika instituutet
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.date.accessioned2018-06-27T10:46:52Z
dc.date.available2018-06-27T10:46:52Z
dc.date.issued2018
dc.description.abstractBakalaureusetöö eesmärk on võrrelda omavahel logistilist regressioonimudelit ja aditiivset logistilist mudelit binaarses klassifitseerimisülesandes. Töö teoreetilises osas antakse ülevaade klassifitseerimise ideest, logistilisest regressioonimudelist ning põhjalikumalt vaadeldakse üldistatud aditiivset mudelit ja selle erijuhtu – aditiivset logistilist mudelit. Praktilises osas rakendatakse mõlemaid mudeleid saarlaste antropoloogilistel mõõtmistel puht- ja segasaarlaste klassifitseerimiseks. Saadud mudeleid võrreldakse tehisõppe kontekstis, ristvalideerimise teel hinnatakse nende prognoosivõimet uute andmete korral.et
dc.identifier.urihttp://hdl.handle.net/10062/61027
dc.language.isoestet
dc.rightsopenAccesset
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Estonia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ee/*
dc.subjectklassifitseerimineet
dc.subjecttehisõpeet
dc.subjectprognoosmudelidet
dc.subjectantropoloogiaet
dc.subjectclassificationen
dc.subjectstatistical learningen
dc.subjectanthropologyen
dc.subjectpredictive modelsen
dc.subject.otherklassifitseerimineet
dc.subject.othertehisõpeet
dc.subject.otherprognoosmudelidet
dc.subject.otherantropoloogiaet
dc.titleLogistilise ja aditiivse logistilise mudeli võrdlus saarlaste antropoloogiliste mõõtmiste näitelet
dc.typeinfo:eu-repo/semantics/bachelorThesiset

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
gorbova_jelena_bsc_2018.pdf
Size:
3.95 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.7 KB
Format:
Item-specific license agreed upon to submission
Description: