ارایه یک روش نوین یادگیری چىد تا یی برای طبق بندی داده های عظیم

با رشد روزافزون داده ها و نیاز به بهره برداری وتحلیل از این داده ها بکارگیری زیرساختهای Big Data از اهمیت ویژه ای برخوردار شدهاست لذا در این پژوهش بر آن شدیم تا با ارایه یک روش نوین در یادگیرنده های چندتایی به طبقه بندی این گونه داده ها عظیم بپردازیم. ازآنجایی که حجم این گونه داده ها بسیار زیاد بوده و در هر لحظه به تعداد آنها افزوده می شود. سپس با رای گیری از این کلاسیفایرها میزان دقت محاسبه شده است. به منظور بررسی عملکرد این الگوریم این روش با ۴ روش دیگر الگوریتم نزدیکترین همسایه ها درخت تصمیم گیری C4.5 بگینگ سنتی و بگینگتنبل به عنوان الگوریتم های رقیب بروری مجموعه بزرگ از ۲۲ مجموعه داده UCI که یکی از پرکاربردترین مجموعه داده ها در مبحث یادگیری ماشین می باشد اعمال شده است.

کلیدواژه ها:

داده های عظیم ، کلاسیفایرهای چندتایی ، بوت استرپ سمپلینک ، نزدیک ترین همسایه توزیع شده ، ساختار ژنها و پروتئینها ، بی نظمی