Application of genetic algorithms in classification

Darbā tiek pētīti tie klasifikācijas problēmas risinājumi, kuri izmanto ģenētiskos algoritmus. Klasifikācijas problēmā dati tiek grupēti pa to klasēm. Datu punktiem koordinātu telpā tiek noteiktas to klases. Ģenētiskie algoritmi ir heiristika, kura var uzlabot risinājumus, tos kombinējot. Iespējams klasifikācijas problēmas risinājums ir lēmumu koks. Maģistra darba mērķis ir izpētīt ģenētisko algoritmu izmantošanas iespējas klasifikācijā. Rezultātā tika izstrādāti ģenētisko algoritmu atribūtu selekcijas, klasifikācijas un ansambļa risinājumi. Klasifikācijas risinājums izmanto selekcijas risinājumu. Attiecīgi ansambļa risinājums izmanto klasifikācijas risinājuma klasifikatorus. Tika īstenotas autora jaunās idejas un tika veikta testēšana uz vispārzināmām un publiski pieejamām datu kopām.This work studies those solutions of the classification problem, which use genetic algorithms. In the classification problem data is grouped by classes. Classes are determined for data points in coordinate space. Genetic algorithms are a heuristic that can improve solutions by combining them. Decision tree is a feasible solution to the classification problem. The goal of the master’s thesis is to study the possibilities of applying genetic algorithms in classification. As a result, genetic algorithm attribute selection, classification and ensemble solutions were created. The classification solution uses the selection solution. Correspondingly the ensemble solution uses classification solution’s classifiers. Author’s new ideas were applied and testing was carried out on well-known and publicly available data sets