Vizualizace chování algoritmů strojového učení po doplnění chybějících dat

Abstract

Dátové sady tvoria neoddeliteľnú súčasť strojového učenia, zohrávajú kľúčovú rolu pri trénovaní modelov a v konečnom dôsledku formujú ich predikcie. V reálnych dátových sadách však často niektoré hodnoty chýbajú, čo môže spôsobovať širokú škálu problémov od zníženej presnosti až po neschopnosť niektoré algoritmy vôbec použiť. Táto práca sa zaoberá skúmaním metód dopĺňania chýbajúcich hodnôt v tabulárnych dátových sadách a ich vplyvu na vybrané algoritmy strojového učenia. Výsledkom je webová aplikácia, ktorá má za cieľ uľahčiť pochopenie tejto problematiky. Aplikácia umožňuje na používateľom nahranú dátovú sadu aplikovať vybrané metódy a následne pozorovať ich vplyv na zvolený algoritmus strojového učenia prostredníctvom vizualizácií. Práca ďalej obsahuje niekoľko praktických ukážok použitia aplikácie na známych dátových sadách sprevádzaných diskusiou dosiahnutých výsledkov.

Datasets are an integral part of machine learning, playing a key role in the training of models and shaping their predictions. However, real-world datasets often contain missing values, which can cause a wide range of problems from reducing their accuracy to the inability to apply some algorithms at all. This thesis examines data imputation techniques in tabular datasets and their impact on selected machine learning algorithms. The result of this thesis is a web application that aims to provide a better understanding of the given issue. The application allows users to apply selected techniques to the uploaded dataset and observe their effects on chosen machine learning algorithms through visualizations. Additionally, the thesis includes several practical examples of application use on common datasets, accompanied by a discussion of the achieved results.