مروری بر دقت روشهای انتخاب خصوصیت در تولید درخت تصمیم (KBEI-2016)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 380

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

KBEI03_061

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

داده کاوی به معنای استخراج اطلاعات، دانش و کشف الگوهای پنهان از یک پایگاه داده های بسیار بزرگ است یکی از معروف ترین تکنیکهای داده کاوی، درخت تصمیم است درخت تصمیم یکی از متداول ترین روشهای تقسیم بندی در زمینه داده کاوی است درخت تصمیم با توجه به خصوصیت های موجود در یک مجموعه داه ساخته می شود. اینکه کدام خصوصیت برای قرار گرفتن در گره ریشه درخت یا زیر درخت قرار داده شود، نیاز به تعیین یک معیار مناسب دارد در داده کاوی روشهای گوناگون برای انتخاب خصوصیت در تولید درخت تصمیم استفاده می شود لذا مطالعات پیشین، روشها و راهکارهایی را مبنی بر بهبود بخشیدن آن جهت افزایش دقت درخت تصمیم ارایه داده اند. در این مقاله همواره سعی بر این است که به بررسی و مرور روشها و راهکارهای ارایه شده پرداخته شود و در نهایت، دقت به دست آمده از روشهای و راهکارهای مطالعات پیشین را مورد بررسی قرار دهد.

نویسندگان

منیژه بنی اسدی پور

دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه غیرانتفاعی بعثت کرمان ایران

شهرام سلجوقی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه غیرانتفاعی بعثت کرمان ایران

مصطفی قاضی زاده احسانی

استادیار بخش مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه شهید باهنر کرمان ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Gudah and P.Prasad and K. Wankhade, ،A New Data ...
  • T..Mitchell, ،Decision Tree?, Singapore, McGraw-Hill, 2008. ...
  • M. Morphi and B. Pazani, «Decision Tree Structures, ?* International ...
  • R.Bhardwaj and S. Vatta, _ Implemention of ID3 Algoritm', International ...
  • S.Gey and E.Nedelec, ،*Model Selection for CART regression trees?, Information ...
  • Important Features for Intrusion Identifying"؛ [6] A.Hung and S. Sung, ...
  • E. Miss.Dow and T. Penderghest, _ , Transplanting Binary Decision ...
  • S.Sung, "Prunnning Decision Tree?, International Symposium on Applications and the ...
  • D. Juneja and S.Sharma and A. SHarma, ' A novel ...
  • A.Mirza Mahmood and M.RaoKuppa, ،A New decision Tree Induction Using ...
  • S.KHalilov, and G. Gumus , ?versus other decision tre?, Computer ...
  • Z. Mirzamomen and M. Navid and M.Kangavari, «4Cross Split Decision ...
  • J. Wenguang and H.Lijing, " Improved Decision Tree", Journal of ...
  • J.Furnkranz, 4Prunning Algorithm for Decision Tree?, Kluwer Academic Publishers, 2015. ...
  • A.Jeerz and P.Sali, ?Coordinate Metology', Acuuracy of Systema and Measurements ...
  • S. B orra, Agostino and D.Ciaio , 'Measuring the prediction ...
  • نمایش کامل مراجع