بهبود دقت درخت تصمیم با استفاده از انتخاب ویژگی در تشخیص قارچ سمی و خوراکی

مقاله های علمی روش های مختلفی برای تشخیص مجموعه قارچ های سمی و خوراکی ارائه نموده اند، شبکه های عصبی قوانین منطقی و الگوریتم های مختلف یادگیری ماشین از آن جمله اند. الگوریتم مورد استفاده در این مقاله درخت تصمیم می باشد. ایده اصلی در این مطالعه انتخاب بهترین ویژگی ها با بهره گیری از ارزیابی کننده های مختلف ویژگی می باشد هدف از این مطالعه کاهش زمان آموزش آزمایش و تصمیم گیری الگوریتم است. نتایجی که با استفاده از متدهای مختلف ارزیابی ویژگی ها به دست آمد متفاوت و بهتر از روش های قبلی است، همچنین انتخاب نسبت اندازه مجموعه های آموزش و آزمایش مورد بررسی قرار گرفت و نتایج نهایی نشان داد انتخاب مناسب نسبت نمونه های مجموعه آموزش و آزمایش در کاربرد های مختلف می تواند باعث افزایش دقت گردد. مجموعه داده استفاده شده در این مقاله قارچ های سمی و خوراکی از پایگاه داده معتبر UCI می باشد.

کلیدواژه ها:

درخت تصمیم ، کلاس بىذی ، انتخاب ویژگی ، ارزیابی کننده ویژگی ، متد جستجو