prikaz prve stranice dokumenta Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore
Rad nije dostupan
završni rad
Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore
2020. urn:nbn:hr:168:655605
Šimić, Lucija Josipa
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Šimić, L. J. (2020). Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:655605

Šimić, Lucija Josipa. "Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:655605

Šimić, Lucija Josipa. "Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:655605

Šimić, L. J. (2020). 'Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 18.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:655605

Šimić LJ. Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 18.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:655605

L. J. Šimić, "Redukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:655605

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:655605
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRedukcija dimenzionalnosti velikih skupova podataka koristeći svojstvene vektore
Naslov (engleski)Dimensionality Reduction of Massive Datasets Using Eigenvectors
AutorLucija Josipa Šimić
MentorKlemo Vladimir (mentor)
Član povjerenstvaKlemo Vladimir (predsjednik povjerenstva)
Član povjerenstvaAdrian Satja Kurdija (član povjerenstva)
Član povjerenstvaPetar Afrić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu opisuju se glavne značajke redukcije dimenzionalnosti. Objašnjeni su svojstveni vektori i svojstvene vrijednosti i dva načina njihovog računanja. Razmatra se analiza glavnih komponenti, metoda redukcije dimenzionalnosti koja koristi svojstvene vektore za pronalaženje glavnih komponenti. Metoda je implementirana u programskom jeziku Python, prvo na jednostavnom skupu podataka, a zatim pomoću biblioteke Scikit-Learn na skupu podataka Iris. Na kraju su opisane neke moguće primjene analize glavnih podataka.
Sažetak (engleski)
In this paper we describe the main features of dimensionality reduction. We go trough an explanation of eigenvectors and eigenvalues and two methods of their calculation. We consider principal component analysis, a method of dimensionality reduction that uses eigenvectors to find principal components. The method is implemented in the Python programming language, first on a simple dataset, and then using the Scikit-Learn library on the Iris dataset. Finally, some possible applications of principal component analysis are described.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:655605
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 10:03:02