مدیریت داده های نامتوازن برای پیش بینی مرگ و میر در حوادث هوایی با استفاده از تکنیک های داده کاوی

با توجه به حجم عظیم داده های هوایی و سرمایه گذاری غنی توسط مؤسسات جهت تضمین امنیت داده ها، تحلیل اطلاعات و کشف دانش نهفته در این داده ها به منظور کاهش جراحات ، تبدیل به مسئله بحرانی در شرکت ها یهواپیمایی شده است . برای کشف دانش نهفته در این داده ها به منظور کاهش حوادث تصادفات هوایی، به کارگیری تکنیک های داده کاوی امری بدیهی است. در این مقاله از تکنیک های داده کاوی بر روی گزارشات حوادث پایگاه داد هایهوایی غیر نظامی فدرال به منظور پیش بینی مرگ و م ی ر ناش ی از حوادث استفاده شده است. به علت نامتوازن بوده داده ها، برای پ یش بین ی صح یح ،ازروش های متوازن ساز ی از جمله زی ر نمونه گی ری، ب یش نمونه گی ری و Modified Bagging استفاده شده است. نتایج مقاله نشان م ی دهد که دو روش زیرنمونه گیری و بیشنمونهگیری از مشکلاتی چون بیش برازش و ازدست رفتن اطلاعات رنج میبرند. در صورتی که روش Modified Bagging هم از نظر صحت، عملکرد قابل قبولی را نشان می دهد و هم از نظر معیارهایی چون فراخوانی، دقت وF-measure عملکرد مناسبی داشت . نتایج بدست آمده از این مقاله میتواند پیشبینی جراحات ناشی از حوادث هوایی مفید باشد

کلیدواژه ها:

پیش بینی مرگ و میر ، حوادث هوایی ، داده کاوی ، متوازن سازی