Metody genetického programování pro klasifikaci

Abstract

Táto práca skúma používanie rôznych kódovaní genetického programovania a ana- lyzuje, či môžu byť použité pre úlohu klasifikácie zo strojového učenia. Predstavujeme Evolučné Algoritmy a ich základné koncepty ako aj definujeme špecifickú vetvu Genet- ického Programovania, ktorá je používaná na generovanie vzorcov namiesto inak zakó- dovaného parametrického riešenia. Predstavujeme Kartesiánske a Stromové kódovanie a operácie na nich, ktoré sú potrebné pre algoritmus, aby fungoval správne. Navrhnuté algoritmy sú implementované a ich výkony sú otestované a ich výsledky porovnané na viacerých dátových sadách. Potom opisujeme ako zkompilovať a spustiť naše riešenie a diskutujeme o výsledkoch experimentov. 1

This thesis examines using different genetic programming encodings and analyses if they can be used for classification machine learning tasks. We introduce Evolutionary Algorithms and their basic concepts as well as define our specific branch Genetic Pro- gramming that is used to generate formulas instead of a differently encoded parametric solution. We introduce Cartesian and Tree-Based encodings and operations on them needed for the algorithm to function properly. The proposed algorithms are implemented and their performance is tested and their results compared on multiple datasets. We then describe how to build and run our solution and discuss the results of the experiments. 1