مقایسه عملکرد الگوریتم های طبقه بندی 1NN ، KNN ، Parzen و Bayes بر روی مجموعه داده های مختلف بیوانفورماتیکی
محل انتشار: سومین کنفرانس بین المللی محاسبات نرم
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 786
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG03_115
تاریخ نمایه سازی: 14 فروردین 1399
چکیده مقاله:
طبقه بندی یکی از مهمترین مباحث پایه ای در زمینه های آمار، یادگیری ماشین، شناسایی الگو و داده کاوی می باشد . در این مقاله به بررسی عملکرد الگوریتم های 1 – NearestNeighbour ، K – earestNeighbour ، Parzen و Bayes و اجرای آن ها بر روی چهار مجموعه داده ی متفاوت بیوانفورماتکی با استفاده از نرم افزار MATLAB پرداخته شده است. از آنجایی که عملکرد هر الگوریتم طبقه بندی با توجه به مساله ای که با آن سروکار داریم متفاوت خواهد بود، به مقایسه عملکرد چهار الگوریتم طبقه بندی بر روی مجموعه داده های بیولوژی منتشر شده از KAGGLE و تعریف شده پرداخته شد و نتایح حاصله نشان دهنده کارایی الگوریتمهای مزبور در مقایسه با دیگر الگوریتم ها می باشد تا الگوریتم بهینه با توجه به داده های ورودی مساله مشخص شود.
کلیدواژه ها:
نویسندگان
حسن نصرتی ناهوک
مربی ، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران؛