بهبود کلاس بندی داده های نامتوازن با استفاده از الگوریتم های یادگیری ماشین

تومان13000

این پایان نامه118 صفحه می باشد.

قابلیت کپی از pdf به word بدون مشکل  است

لطفا فهرست مطالب پایان نامه را در تصاویر مطالعه فرمایید

توضیحات

در این تحقیق یک روش جدید نمونه برداری برپایه الگوریتم رقابت استعماری و الگوریتم افزایش نمونه ها توسط نمونه های مصنوعی پیشنهاد گردیده است. در
روش پیشنهادی از الگوریتم
SMOTEو الگوریتم رقابت استعماری برای نمونه برداری در دو سطح داده ها و الگوریتم ها استفاده شده است. به نوعی ترکیبی از دو سطح می باشد .این روش بر روی ده مجموعه داده پیاده سازی گردیده است. نتایج نشان می دهد که روش پیشنهادی با استفاده از الگوریتم های کلاس بندی درخت تصمیم و شبکه عصبی می تواند یک رویکرد مفید و مؤثر در حل مشکل دسته بندی داده های نامتوازن باشد. به نوعی خطای دسته بندی کلاس اقلیت را کاهش می دهند و دسته بندی آنها با دقت بالاتری انجام می شود

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “بهبود کلاس بندی داده های نامتوازن با استفاده از الگوریتم های یادگیری ماشین”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *