prikaz prve stranice dokumenta Modeli klasteriranja u alatu Scikit-Learn Python
  Preuzmi
PDF 1.29 MB
završni rad
Modeli klasteriranja u alatu Scikit-Learn Python
2018. urn:nbn:hr:195:707675
Pauletić, Iva
Sveučilište u Rijeci
Fakultet informatike i digitalnih tehnologija

Citirajte ovaj rad

Pauletić, I. (2018). Modeli klasteriranja u alatu Scikit-Learn Python (Završni rad). Rijeka: Sveučilište u Rijeci. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, Iva. "Modeli klasteriranja u alatu Scikit-Learn Python." Završni rad, Sveučilište u Rijeci, 2018. https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, Iva. "Modeli klasteriranja u alatu Scikit-Learn Python." Završni rad, Sveučilište u Rijeci, 2018. https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, I. (2018). 'Modeli klasteriranja u alatu Scikit-Learn Python', Završni rad, Sveučilište u Rijeci, citirano: 16.02.2025., https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić I. Modeli klasteriranja u alatu Scikit-Learn Python [Završni rad]. Rijeka: Sveučilište u Rijeci; 2018 [pristupljeno 16.02.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:195:707675

I. Pauletić, "Modeli klasteriranja u alatu Scikit-Learn Python", Završni rad, Sveučilište u Rijeci, Rijeka, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:195:707675

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:195:707675
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovModeli klasteriranja u alatu Scikit-Learn Python
AutorIva Pauletić
MentorLucia Načinović Prskalo (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
(Fakultet informatike i digitalnih tehnologija)
Rijeka
Datum i država obrane2018-09-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Sažetak
Ovaj završni rad prikazuje modele klasteriranja u alatu Scikit-Learn Python. U uvodnom se dijelu navode definircije osnovnih pojmova, zatim se nabrajaju vrste klasteriranja te mogući ulazni podaci koji se prihvaćaju. U radu su također za svaki algoritam opisani način na koji se vrši postupak klasteriranje, osnovne karakteristike te vizualizacija. Objašnjeno je i samo ocjenjivanje učinkovitosti klasteriranja gdje se spominju prilagođeni Rand indeks, rezultati bazirani na zajedničkim informacijama, homogenost, potpunost i drugi. Tako se za svaki od ovih pojmova pojašnjava njegovo značenje, koje su mu prednosti i nedostaci te matematička formulacija gdje se ta mjera prikazuje formulama. Nadalje, u radu je opisana i primjena K-Means algoritma za klasteriranje dokumenata popraćeno kodom samog algoritma uz prikazivanje konačnog rezultata i razrade postupaka koji se primjenjuju prilikom klasteriranja dokumenata.
Ključne riječi
Jezikhrvatski
URN:NBNurn:nbn:hr:195:707675
Studijski programNaziv: Informatika (jednopredmetni)
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (univ. bacc. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2018-09-27 06:28:59