Μελέτη και σύγκριση αλγορίθμων και τεχνικών κατηγοριοποίησης πολλαπλών ετικετών (Master thesis)

Μαχαιρά, Αθηνά


This thesis focuses on the study and comparison of algorithms and techniques for multi-label classification, aiming to understand their performance metrics. The concept of multi-label classification is analyzed, highlighting its importance in processing and analyzing complex data sets. Various approaches are examined, such as problem transformation techniques and specific algorithms for solving such problems. Additionally, the Scikit-multilearn library is presented as a tool for the practical implementation of these techniques. The work includes an experimental study where various algorithms are compared based on real data sets, evaluating their performance on different parameters. Finally, the thesis concludes with findings regarding the applicability of the various techniques and suggests future directions for research in the field of multi-label classification.
Institution and School/Department of submitter: Σχολή Μηχανικών - Τμήμα Πληροφορικής και Ηλεκτρικών Συστημάτων
Keywords: Κατηγοριοποίηση πολλαπλών ετικετών;Αλγόριθμοι κατηγοριοποίησης;Τεχνικές μετασχηματισμού προβλήματος;Επεξεργασία δεδομένων;Ανάλυση δεδομένων;Scikit-multilearn
Description: Μεταπτυχιακή εργασία - Σχολή Μηχανικών - Τμήμα Πληροφορικής και Ηλεκτρικών Συστημάτων, 224 (α/α 14186)
URI: http://195.251.240.227/jspui/handle/123456789/16676
Item type: masterThesis
General Description / Additional Comments: Μεταπτυχιακή εργασία
Submission Date: 2024-06-28T12:29:08Z
Item language: el
Item access scheme: free
Institution and School/Department of submitter: Σχολή Μηχανικών - Τμήμα Πληροφορικής και Ηλεκτρικών Συστημάτων
Publication date: 2024-06-06
Bibliographic citation: Μαχαιρά, Α. (2024).Μελέτη και σύγκριση αλγορίθμων και τεχνικών κατηγοριοποίησης πολλαπλών ετικετών (Μεταπτυχιακή εργασία ). ΔΙΠΑΕ.
Abstract: Η παρούσα διπλωματική εργασία επικεντρώνεται στη μελέτη και σύγκριση αλγορίθμων και τεχνικών κατηγοριοποίησης πολλαπλών ετικετών, με στόχο την κατανόηση των μετρικών απόδοσής τους. Αναλύεται η έννοια της κατηγοριοποίησης πολλαπλών ετικετών, επισημαίνοντας τη σημασία της στην επεξεργασία και ανάλυση περίπλοκων συνόλων δεδομένων. Εξετάζονται διάφορες προσεγγίσεις, όπως οι τεχνικές μετασχηματισμού προβλήματος και ειδικοί αλγόριθμοι για την επίλυση τέτοιων προβλημάτων. Επίσης, παρουσιάζεται η βιβλιοθήκη Scikit-multilearn ως ένα εργαλείο για την πρακτική υλοποίηση αυτών των τεχνικών. Η εργασία συμπεριλαμβάνει μια πειραματική μελέτη όπου συγκρίνονται διάφοροι αλγόριθμοι με βάση πραγματικά σύνολα δεδομένων, αξιολογώντας την απόδοσή τους σε διαφορετικές παραμέτρους. Τέλος, η εργασία καταλήγει σε συμπεράσματα σχετικά με την εφαρμοσιμότητα των διαφόρων τεχνικών και προτείνει μελλοντικές κατευθύνσεις για την έρευνα στον τομέα της κατηγοριοποίησης πολλαπλών ετικετών.
This thesis focuses on the study and comparison of algorithms and techniques for multi-label classification, aiming to understand their performance metrics. The concept of multi-label classification is analyzed, highlighting its importance in processing and analyzing complex data sets. Various approaches are examined, such as problem transformation techniques and specific algorithms for solving such problems. Additionally, the Scikit-multilearn library is presented as a tool for the practical implementation of these techniques. The work includes an experimental study where various algorithms are compared based on real data sets, evaluating their performance on different parameters. Finally, the thesis concludes with findings regarding the applicability of the various techniques and suggests future directions for research in the field of multi-label classification.
Advisor name: Ουγιάρογλου, Στέφανος
Examining committee: Ουγιάρογλου, Στέφανος
Χατζημίσιος, Περικλής
Κασδερίδης, Στάθης
Publishing department/division: Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρικών Συστημάτων
Publishing institution: ihu
Number of pages: 72 σελ.
Appears in Collections:Μεταπτυχιακές Διατριβές

Files in This Item:
File Description SizeFormat 
23284_12277_1709365687978_Μαχαιρα.pdfΜεταπτυχιακή εργασία 1.31 MBAdobe PDFView/Open



 Please use this identifier to cite or link to this item:
http://195.251.240.227/jspui/handle/123456789/16676
  This item is a favorite for 0 people.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.