بهینه سازی درخت تصمیم با استفاده از الگوریتم های نیوبیز و نزدیک ترین همسایه

امروزه اخذ دانش از داده های موجود در پایگاه های داده به مهمترین فعالیت محققین این حوزه مبدل گشته است. دانش بدست آمده از این طریق توانسته است آثار شگرفی در بهبود زندگی بشر داشته باشد. در این راستا الگوریتم هایی جهت اخذ دانش از داده های خام پایگاه داده ها ارایه گردیده است. از این میان الگوریتم درخت تصمیم به خاطر سهولت در بکارگیری و قابلیت درکی که در خود نهفته دارد، از اقبال خوبی برخوردار شده است. اما محدودیت هایی نیز در درخت تصمیم وجود دارد که استفاده از آن را تا حدی با مشکل مواجه نموده است. با توجه به این محدودیت ها، تحقیقات و مطالعه های زیادی برای بهبود درخت تصمیم کلاسیک صورت گرفته است و روشهای خوب و کارآمدی نیز در این زمینه ارایه گشته است. از جمله ی این روش ها می توان به الگوریتم نیوبیز، الگوریتم نزدیکترین همسایه و الگوریتم ژنتیک و فازی سازی این الگوریتم ها و ... اشاره نمود. همانطور که می دانیم کیفیت خروجی درخت تصمیم به شدت وابسته به داده های ورودی است. با توجه به این نکته، در این مقاله برای پیش پردازش داده ها از دو الگوریتم نیوبیز و جستجوی نزدیکترین همسایگی استفاده شده است، تا داده هایی با کیفیت بهتر و نویز کمتر در اختیار درخت تصمیم قرار گیرد، و در نتیجه نتایج با کیفیت تری در خروجی درخت تصمیم حاصل گردد.

کلیدواژه ها:

داده کاوی ، درخت تصمیم ، الگوریتم نیو بیز ، دسته بندی کننده ی NNS