طبقه بندی داده های ماشین با استفاده از تحلیل پوششی داده ها

تکنیک تحلیل پو شش ش یی داد ها یک روش برنامه ریزی ریاضی برای ارزیابی کارایی واحدهای تصمیم گیرنده است که چندین ورودی و چندین خروجی دارند. اندازه گیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرک یا سازمان، هموار مورد توجه محققان قرار داشته است. در واقع می توان گفت تکنیک تحلیل پوششی داده ها مبتنی بر یکسری بهینه سازی با استفاده از برنامه ریزی خطی می باشد که به آن روش ناپارامتریک نیز گفته می شود. طبقه بندی چیست، یک روش ساختن دسته های اشیاء یا خوشه ها است، طوری که اشیاء در یک خوشه بسیار مشابه هم و در خوشه های مختلف کاملاً از هم متمایز هستند. در این مقاله داده ای بازه ای را با استفاده از تحلیل پوششی داده ها طبقه بندی می کنیم و با استفاده از تحلیل پوششی داده ها مدل BCC برای محاسبه کارایی نسبی داده های بازه ای استفاده می شود. که در این مدل به دلیل بازه ای بودن داده ها، کران بالا و پایینی را برای مقدار بهینه تابع هدف را بایستی به دست آوریم. با استفاده از روش بیان شده، یک مثال عددی بازه ای را کران بالا و پایین آن را محاسبه کرده و تابع هدف میانگین را به عنوان مقدار تابع هدف بهینه بدست می آید. و از این مقادیر برای طبقه بندی داده ها در دو کلاس پذیرش و رد و حالت هایی که بین این دو مشترک هستند استفاده می شود.