مقایسه روشهای Boosting Bagging برای دسته بندی داده ها

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 7,509

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IDMC03_055

تاریخ نمایه سازی: 13 دی 1389

چکیده مقاله:

دراین مقاله دقت روشهای Boosting Bagging برای دسته بندی داده ها با توجه به معیار دقت مقایسه شده است تاثیر عواملی مانند اندازه مجموعه داده تعداد صفات دودویی و عددی و درصد داده استفاده شده است برای ازمون در شرایط استقلال مجموعه داده از مسئله خاص مورد بررسی قرارگرفته است نتایج به دست امده بیانگر آن است که در اکثر موارد بهتر از روشهای دیگر عمل می نماید برای یک داده خاص روشها در دو حالت بررسی شده است یک حالت زمانی است که داده اموزشی و داده ازمایشی یکی باشند و حالت دیگر 30% از داده ازمایشی و 70% اموزشی باشد.

نویسندگان

مهدی نصیری

دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه علم و صنعت ایران

علی هادیان

دانشجوی کارشناسی مهندسی نرم افزار

بهروز مینایی

استادیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایرن