| Abstract : | Η παρούσα διπλωματική εργασία αφορά τη συγκριτική μελέτη αλγορίθμων επιβλεπόμενης μηχανικής μάθησης, για τη ταξινόμηση εργαζομένων από τη Ιταλία όσον αφορά την επαγγελματική τους αποκατάσταση με βάση το βαθμό ικανοποίησης τους. Για κάθε ένα από τα μοντέλα μηχανικής μάθησης παράγονται μετρήσεις οι οποίες εν συνεχεία συγκρίνονται για να διαπιστωθεί ποιο από τα μοντέλα είναι το πιο αποτελεσματικό. Εν συνεχεία, με βάση το ίδιο σύνολο δεδομένων χρησιμοποιήθηκαν τεχνικές Μη επιβλεπόμενης-Στατιστικής μάθησης με σκοπό την εύρεση αποτελεσματικότερης ομαδοποίησης των εργαζομένων ανάλογα με τις απαντήσεις που δόθηκαν από την ήδη υπάρχουσα.
The present dissertation concerns the classification of Italian employees based on their satisfaction by comparing machine learning algorithms . We generated a model for each one machine learning algorithm in order to find through comparison the most effective. In addition we used the techniques of Unsupervised Machine Learning and Statistical Analysis on the same dataset in order to find a more effective clustering of the data in comparison with the existing clusters based on the employee's answers.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.