prikaz prve stranice dokumenta Modeli klasteriranja u alatu Scikit-Learn Python
  Download
PDF 1.29 MB
undergraduate thesis
Modeli klasteriranja u alatu Scikit-Learn Python
Rijeka: University of Rijeka, 2018. urn:nbn:hr:195:707675
Pauletić, Iva
University of Rijeka
Faculty of Informatics and Digital Technologies

Cite this document

Pauletić, I. (2018). Modeli klasteriranja u alatu Scikit-Learn Python (Undergraduate thesis). Rijeka: University of Rijeka. Retrieved from https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, Iva. "Modeli klasteriranja u alatu Scikit-Learn Python." Undergraduate thesis, University of Rijeka, 2018. https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, Iva. "Modeli klasteriranja u alatu Scikit-Learn Python." Undergraduate thesis, University of Rijeka, 2018. https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić, I. (2018). 'Modeli klasteriranja u alatu Scikit-Learn Python', Undergraduate thesis, University of Rijeka, accessed 23 April 2024, https://urn.nsk.hr/urn:nbn:hr:195:707675

Pauletić I. Modeli klasteriranja u alatu Scikit-Learn Python [Undergraduate thesis]. Rijeka: University of Rijeka; 2018 [cited 2024 April 23] Available at: https://urn.nsk.hr/urn:nbn:hr:195:707675

I. Pauletić, "Modeli klasteriranja u alatu Scikit-Learn Python", Undergraduate thesis, University of Rijeka, Rijeka, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:195:707675

Please login to the repository to save this object to your list.
Metadata
TitleModeli klasteriranja u alatu Scikit-Learn Python
AuthorIva Pauletić
MentorLucia Načinović Prskalo (mentor)
GranterUniversity of Rijeka
(Faculty of Informatics and Digital Technologies)
Rijeka
Defense date and country2018-09-27, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Abstract
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.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:195:707675
Study programmeTitle: Informatics
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
RepositoryRepository of the University of Rijeka, Faculty of Informatics and Digital Technologies
Created on2018-09-27 06:28:59

(©) Nacionalna i sveučilišna knjižnica u Zagrebu 2015. Sva prava pridržana. | Hrvatske bratske zajednice 4 p.p. 550, 10000 Zagreb, Hrvatska Tel. ++ 385 1 616-4040
OIB: 84838770814 | IBAN: HR66 2340 0091 1000 1008 1, Porezni broj (PDV identifikacijski broj) - VAT Number: HR84838770814
Prijava u repozitorij