Hledání praktických robustních klasifikátorů

Abstract

V rámci této práce je představena studie některých metod strojového učení s učitelem a měr úspěšnosti predikce využívajících strukturovaných dat ve tvaru prostředí s různými data generujícími pravděpodobnostními distribucemi. V průběhu textu jsou také vysvětleny základní pojmy strojového učení s učitelem. Metody jsou následně prakticky porovnány na problému zvaném neshoda zdroje krytí (cover source mismatch) v obrazové steganografii.

This work presents a study of some of the supervised machine learning methods and measures of prediction accuracy utilizing data in the structured form of environments with different data generating probability distributions. Basic concepts of supervised machine learning are explained throughout the text. The practical performance of the methods is then evaluated on the problem of cover source mismatch in image steganography.