Μελέτη των ναυτικών ατυχημάτων με χρήση στατιστικών τεχνικών και μηχανικής μάθησης
Notice bibliographique
Résumé
Η παρούσα διπλωματική εργασία επικεντρώνεται στην πρόβλεψη της ύπαρξης θανάτων σε περιστατικά ναυτικών ατυχημάτων, αξιοποιώντας δεδομένα από το Transportation Safety Board of Canada (TSB). Η μεθοδολογία βασίζεται στη λογιστική παλινδρόμηση, στα δέντρα απόφα σης (CART) και στη συσταδοποίηση. Η επιλογή και η αξιολόγηση των μεταβλητών πραγμα τοποιείται με ANOVA (Deviance χ²), έλεγχο πολυσυγγραμμικότητας (VIF) και ελέγχους λό γου πιθανοφανειών, ενώ η επίδοση αποτιμάται με ROC–AUC, πίνακα σύγχυσης, AIC/BIC και έλεγχο Hosmer–Lemeshow. Τα αποτελέσματα αναδεικνύουν ως σημαντικούς παράγοντες της έκβασης τα χαρακτηριστικά που σχετίζονται με τις συνθήκες πλοήγησης και το πλαίσιο του συμβάντος (π.χ. καιρικές/θαλάσσιες συνθήκες, ορατότητα, άνεμος, τύπος/περιοχή συμβάντος, τύπος πλοίου, αριθμός πλοηγών), βάσει της ερμηνείας και εκτιμήσεων των OddsRatio και της στατιστικής σημαντικότητας τωμ μεταβλητών. Η διερεύνηση μέσω συσταδοποίησης έδειξε πε ριορισμένη διαχωρισιμότητα, υποδεικνύοντας πιθανή χρησιμότητα διαφορετικών αλγορίθμων πχ βάσει πυκνότητας (DBSCAN/OPTICS) σε μελλοντική εργασία. Συνολικά, η εργασία συνει σφέρει στη βαθύτερη κατανόηση των αιτιών των θαλάσσιων ατυχημάτων και στην ενίσχυση της πρόληψής τους.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».