CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه تحلیلی دسته بندی کننده بیس ساده با هفت روش دیگر در دیتاست Adult به منظور دسته بندی اطلاعات کاربران با استفاده از ابسار Orange

اعتبار موردنیاز PDF: ۱ WORD: ۵ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۳۶ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: CCESI01_048
زبان مقاله: فارسی
حجم فایل: ۷۳۶.۰۴ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه تحلیلی دسته بندی کننده بیس ساده با هفت روش دیگر در دیتاست Adult به منظور دسته بندی اطلاعات کاربران با استفاده از ابسار Orange

  مریم حبیبی - عضو هیئت علمی و عضو باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد رودهن، باشگاه پژوهشگران جوان و نخبگان، رودهن، ایران
  سعید باقری گلزار - دانشجوی دکترای تخصصی مهندسی کامپیوتر و عضو باشگاه پژوهشگران جوان و نخبگان، واحد قم، دانشگاه آزاد اسلامی، قم، ایران
  حسین ابراهیم پورکومله - عضو هیئت علمی، دانشگاه کاشان، کاشان، ایران

چکیده مقاله:

مسئله دسته بندی داده ها یکی از کاربردهای اصلی داده کاوی می باشد. مجموعه نمونه هایی که هرکدام متعلق به یک کلاس مشخص می باشند، دارای برداری از ویژگی ها هستند. هدف ما در دسته بندی، ایجاد قانونی می باشد که نمونه تازه ای را که فقط دارای برداری از ویژگی هایی است که نمونه تازه را تعریف می کند را به یک کلاس اختصاص بدهیم. دسته بندی کننده بیز ساده یک مسئله چند متغیری p بعدی را به تخمین p مسئله یک متغیره کاهش می دهد. تخمین یک متغیر، کاری ساده و آشنا است و به اندازه های کوچکی از مجموعه آموزشی برای به دست آوردن دقت تخمین نسبت به توزیع های چند متغیری نیاز دارد. در این مقاله ابتدا تئوری بیز را اجمالاً معرفی کرده و سپس با معرفی دسته بندی کننده ساده بیز با استفاده از ابزار داده کاوی Orange بر روی یک دیتاست خاص (Adult که بسیار شبیه به پایگاه داده موردنظر ما برای دسته بندی اطلاعات روی سایت می باشد)، مقایسه تحلیلی این روش را با هفت روش دیگر از روش های دسته بندی انجام خواهیم داد.

کلیدواژه‌ها:

مقایسه تحلیلی، داده کاوی، دسته بندی کننده بیزی ساده، Orange

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CCESI01-CCESI01_048.html
کد COI مقاله: CCESI01_048

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حبیبی, مریم؛ سعید باقری گلزار و حسین ابراهیم پورکومله، ۱۳۹۵، مقایسه تحلیلی دسته بندی کننده بیس ساده با هفت روش دیگر در دیتاست Adult به منظور دسته بندی اطلاعات کاربران با استفاده از ابسار Orange، اولین مسابقه کنفرانس بین المللی جامع علوم مهندسی در ایران، انزلی، دبیرخانه کنفرانس، دانشگاه گیلان - دانشگاه تبریز، https://www.civilica.com/Paper-CCESI01-CCESI01_048.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حبیبی, مریم؛ سعید باقری گلزار و حسین ابراهیم پورکومله، ۱۳۹۵)
برای بار دوم به بعد: (حبیبی؛ باقری گلزار و ابراهیم پورکومله، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Joanna Kazmierskaa, Julian Malickib, Application of the Naive Bayesian Classifier ...
  • A Tutorial on Naive Bayes Classificatiot Choochart Haruechaiya sak/ (Last ...
  • Tutorial: The Naive Bayes Classifier/ MONASH UNIVERS ITY/ Faculty of ...
  • Mohammed J.Islam, Q.M. Jonathan Wu, Majid Ahmadi, Maher A. Sid-Ahmed, ...
  • Jingnian Chen, Houukuan Huang a, Shengfeng Tian a, Youli Qua, ...
  • Jiawei Han, Micheline Kamber, Jian Pei, Data mining concepts and ...
  • Tom Mitchell, Machine learning, McGraw-Hill, 1997 ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۶۳۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط


    مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.