انتخاب ویژگی های مهم و پیش بینی کیفیت شکلات با استفاده از تکنیک های یادگیری ماشین

امروزه صنایع از گواهینامه های کیفیت محصول برای تبلیغ محصولات خود استفاده می کنند. این یک فرآیند زمان بر است و نیاز به ارزیابی ارائه شده توسط متخصصان انسانی دارد که این فرآیند را بسیار گران می کند. این مقاله استفاده از تکنیک های یادگیری ماشین مانند رگرسیون خطی، شبکه عصبی و ماشین بردار پشتیبان را برای کیفیت محصول به دو صورت بررسی می کند. اولا تعیین وابستگی متغیر هدف به متغیرهای مستقل و ثانیا پیش بینی مقدار متغیر هدف. در این مقاله از رگرسیون خطی برای تعیین وابستگی متغیر هدف به متغیرهای مستقل استفاده شده است. بر اساس وابستگی محاسبه شده، متغیرهای مهمی انتخاب می شوند که تاثیر قابل توجهی بر متغیر وابسته داشته باشند. علاوه بر این، شبکه عصبی و ماشین بردار پشتیبان برای پیشبینی مقادیر متغیر وابسته استفاده میشوند . همه آزمایشها بر روی مجموعه دادههای شکلات تلخ و شکلات سفید انجام میشوند. این مقاله ثابت میکند که اگر ویژگیهای انتخابی )متغیرها( به جای در نظر گرفتن همه ویژگیها در نظر گرفته شود، میتوان پیشبینی بهتری انجام داد