مروری بر روش های پیش بینی مقدار Miss Value در الگوریتم C4.5
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,320
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0547
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
اغلب دیتاست های مربوط به ماشین یادگیری و داده کاوی دارای داده هایی با مقادیر Miss Value (داده گمشده) میباشند. چگونگی برخورد با Miss Value و نیز ارائه راهکارهایی مبنی بر پیش بینی مقدار مربوط به Miss Value ،منجر به بروز یک مسئله بسیار مهم در زمینه ماشین یادگیری و داده کاوی شده است. در بین الگوریتم های داده کاوی،الگوریتم C4.5 ، به دلیل کارآیی ، استفاده در کاربردهای مختلف داده کاوی و نیز توانایی در کار کردن و پیش بینی مقدارMiss Value در دیتاست ، به طور مکرر مورد استفاده قرار گرفته است. پژوهشگران و محققان روش ها و الگوهایمتعددی جهت برخورد با مقادیر Miss Value و پیش بینی مقدار آن در الگوریتم C4.5 ارائه داده اند که هر یک ازروش ها به نحوی موجب افزایش دقت درخت تصمیم و در نتیجه تولید یک درخت تصمیم موثر و کاراتر شده است.لذا درمقاله حاضر به بررسی و مرور روش ها و راهکارهای ارائه شده و نیز دقت به دست آمده از هریک از روش ها، خواهیمپرداخت.
کلیدواژه ها:
نویسندگان
سلیمه ضیاء الدینی
دانشجوی کارشناسی ارشد، مهندسی کامپیوتر (نرم افزار)، دانشگاه غیرانتفاعی بعثت کرمان
مصطفی قاضی زاده احسائی
استادیار بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان
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 :