Simple view
Full metadata view
Authors
Statistics
Wybrane metody klasyfikacji binarnej i ich zastosowanie
klasyfikacja, klasyfikator, naiwny klasyfikator Bayesa, regresja logistyczna, algorytm k najbliższych sąsiadów, maszyna wektorów nośnych, drzewa decyzyjne, portfel inwestycyjny, uczenie maszynowe
classification, naive Bayes classifier, logistic regression, k-nearest neighbours algorithm, support vector machine, decision trees, investment portfolio, machine learning
W pracy opisano wybrane metody klasyfikacji binarnej: naiwny klasyfikator Bayesa, regresję logistyczną , algorytm k najbliższych sąsiadów, maszynę wektorów nośnych oraz drzewa decyzyjne. Każdej z metod użyto do konstrukcji portfela inwestycyjnego składającego się z akcji największych amerykańskich spółek. Wykorzystano w tym celu gotowe implementacje z pakietu R. Porównano efektywność tak skonstruowanych portfeli.
Thesis is about selected binary classification methods: naive Bayes classifier, logistic regression, k-nearest neighbours algorithm, support vector machine and decision tree. Each method was used to construction of investment portfolio consisting of Americans largest companies' stocks. To achieve this goal, implemenations from R package were used. Portfolios were compared in terms of its effectivness.
dc.abstract.en | Thesis is about selected binary classification methods: naive Bayes classifier, logistic regression, k-nearest neighbours algorithm, support vector machine and decision tree. Each method was used to construction of investment portfolio consisting of Americans largest companies' stocks. To achieve this goal, implemenations from R package were used. Portfolios were compared in terms of its effectivness. | pl |
dc.abstract.pl | W pracy opisano wybrane metody klasyfikacji binarnej: naiwny klasyfikator Bayesa, regresję logistyczną , algorytm k najbliższych sąsiadów, maszynę wektorów nośnych oraz drzewa decyzyjne. Każdej z metod użyto do konstrukcji portfela inwestycyjnego składającego się z akcji największych amerykańskich spółek. Wykorzystano w tym celu gotowe implementacje z pakietu R. Porównano efektywność tak skonstruowanych portfeli. | pl |
dc.affiliation | Wydział Matematyki i Informatyki | pl |
dc.area | obszar nauk ścisłych | pl |
dc.contributor.advisor | Tabor, Jacek - 132362 | pl |
dc.contributor.author | Nidecki, Łukasz | pl |
dc.contributor.departmentbycode | UJK/WMI2 | pl |
dc.contributor.reviewer | Struski, Łukasz | pl |
dc.contributor.reviewer | Tabor, Jacek - 132362 | pl |
dc.date.accessioned | 2020-07-27T22:13:02Z | |
dc.date.available | 2020-07-27T22:13:02Z | |
dc.date.submitted | 2019-05-10 | pl |
dc.fieldofstudy | matematyka finansowa | pl |
dc.identifier.apd | diploma-130384-159096 | pl |
dc.identifier.project | APD / O | pl |
dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/233480 | |
dc.language | pol | pl |
dc.subject.en | classification, naive Bayes classifier, logistic regression, k-nearest neighbours algorithm, support vector machine, decision trees, investment portfolio, machine learning | pl |
dc.subject.pl | klasyfikacja, klasyfikator, naiwny klasyfikator Bayesa, regresja logistyczna, algorytm k najbliższych sąsiadów, maszyna wektorów nośnych, drzewa decyzyjne, portfel inwestycyjny, uczenie maszynowe | pl |
dc.title | Wybrane metody klasyfikacji binarnej i ich zastosowanie | pl |
dc.title.alternative | Selected binary classification methods and its applications | pl |
dc.type | master | pl |
dspace.entity.type | Publication |