دسته بندی داده های دو رده ای با ابرمستطیل موازی محورهای مختصات
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 28
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_AICTI-7-26_001
تاریخ نمایه سازی: 29 آذر 1402
چکیده مقاله:
یکی از روشهای یادگیری در یادگیری ماشین و شناسایی الگو، یادگیری با ناظر است. در یادگیری با ناظر و در مسایل دو رده ای، برچسب دادههای آموزشی موجود و شامل دو رده مثبت و منفی میباشند. هدف الگوریتم یادگیری با ناظر، محاسبه فرضیه ای است که بتواند با کمترین مقدار خطا، داده های مثبت و منفی را از یکدیگر جدا کند. در این مقاله، از بین کلیه الگوریتمهای یادگیری با ناظر، بر عملکرد درخت های تصمیم متمرکز می شویم. دیدگاه هندسی درخت تصمیم ما را به مفهوم تفکیک پذیری در هندسه محاسباتی نزدیک می کند. از بین کلیه الگوریتم های تفکیک پذیری موجود و مرتبط با درخت تصمیم، مساله محاسبه مستطیل با حداکثر اختلاف دو رنگ را مطرح می کنیم و الگوریتم را در یک، دو، سه و m بعد پیادهسازی می کنیم که m تعداد ویژگیهای دادهها را نشان میدهد. نتیجه پیاده سازی نشان دهنده آن است که این الگوریتم، الگوریتمی قابل رقابت با الگوریتم شناخته شده C۴.۵ است.
کلیدواژه ها:
نویسندگان
مازیار پالهنگ
صنعتی اصفهان