LuanVan.vnLuận Văn
Gửi thư

CÁC PHƯƠNG PHÁP XỬ LÝ DỮ LIỆU THIẾU TRONG BÀI TOÁN PHÂN LỚP

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Xuân Quỳnh Anh
Người hướng dẫnBùi Đăng Hà Phương; Nguyễn Thanh Hải
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Vấn đề thiếu dữ liệu là một vấn đề phổ biến trong khoa học dữ liệu, liên quan đến tình trạng một số mục dữ liệu trong tập dữ liệu không hoàn chỉnh, nghĩa là chúng không có giá trị cho một hoặc nhiều biến trong tập dữ liệu. Vấn đề này có thể phát sinh do nhiều nguyên nhân, chẳng hạn như dữ liệu chưa được thu thập, hồ sơ bị mất, dữ liệu không đầy đủ. Từ lâu việc nghiên cứu xử lý dữ liệu đã được các nhà nghiên cứu triển khai phân tích. Do đó, cần tìm ra các phương pháp để xử lý dữ liệu bị thiếu là nhu cần thiết. Đề tài "Các phương pháp xử lý dữ liệu bị thiếu trong bài toán phân lớp" sẽ tập trung khai thác các phương pháp xử lý dữ liệu, đo độ chính xác, thời gian chạy và bộ nhớ tốn của các phương pháp dựa trên giải thuật Logistic Regression. Nghiên cứu thực hiện các công việc chính như là: Sử dụng các phương pháp xóa dữ liệu: drop columns, drop rows. Phương pháp thay thế dữ liệu: mean, median. mode, MICE, replace, backward-fill, forward-fill, iterative_imputer để gán dữ liệu vào tập dữ liệu gốc. Và cuối cùng là các phương pháp máy học: Linear Regression, KNN, Random Forest để xử lý các dữ liệu bị thiếu. Sau đó, sử dụng giải thuật phân lớp Logistic Regression để đánh giá các độ chính xác của từng phương pháp. Cuối cùng, áp dụng phương pháp tốt nhất trong nghiên cứu vào các giải thuật trong phân lớp. Kết quả đạt được với phương pháp ANN đạt độ chính xác ACC là 0.85492, khi áp dụng với giải thuật phân lớp đạt độ chính xác là 0.86528 trên tập dữ liệu chẩn đoán bệnh ung thư vú. Và đạt độ chính xác trên tập dữ liệu dự đoán mưa với ACC đạt 0.83305 khi áp dụng với giải thuật phân lớp đạt độ chính xác là 0.90914. Các phương pháp được huấn luyện và đánh giá trên 2 tập dữ liệu bao gồm: Bộ dữ liệu dự đoán khả năng mưa vào ngày hôm sau (weather_data) và tập dữ liệu phân biệt khối u vú lành tính hoặc ác tính (breast_data).
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.