بهبود دقت الگوریتم KNN در داده کاوی با استفاده از قوانین وابستگی

الگوی KNN یکی از بهترین و پرکاربردترین الگوریتمهای دسته بندی است که از ان استفاده گسترده ای در کاربردهای مختلف می شود. یکی ازمشکلات این الگوریتم، تاثیر یکسان همه ی خصیصه ها در محاسبه ی فاصله ی رکورد جدید با همسایه های آن رکورد می باشد. در صورتیکه برخی ازاین خصیصه ها برای عمل دسته بندی کم اهمیت ترند. این امر باعث گمراهی روند دسته بندی و کاهش دقت الگوریتم دسته بند می شود. دراین تحقیق با استفاده از اقلام پررخداد یکتایی در قوانین وابستگی به خصیصه های مختلف وزن اختصاص داده و با این عمل دقت الگوریتم KNN را افزایش می دهیم مقایسه ی نتایج ارزیابی این الگوریتم با 7 الگوریتم دیگر دسته بندی بر روی پایگاه داده های مختلف UCI، بهبود قابل توجه دقت دسته بندی توسط این الگوریتم را نشان میدهد.