چکیده

طبقه بندی یک مشکل مهم در داده کاوی است. با توجه به پایگاه داده ای از پرونده ها، هر کدام با یک برچسب کلاس، یک طبقه بندی کننده یک توضیح مختصر و معنی دار برای هر کلاس ایجاد می کند که می تواند برای طبقه بندی پرونده های بعدی استفاده شود. تعدادی از طبقه بندی های محبوب ایجاد درخت تصمیم برای ایجاد مدل های کلاس. این طبقه بندی ها ابتدا یک درخت تصمیم گیری را ایجاد می کنند و سپس زیر شاخه ها را از درخت تصمیم گیری در یک مرحله پس از برداشتن به منظور بهبود دقت و جلوگیری از"overfiting" بریده می شود. در این مقاله، روش های مختلف هرس در دسترس و ویژگی های مختلف آنها مورد بحث قرار می گیرد. همچنین اثربخشی هرس با توجه به پیچیدگی و دقت طبقه بندی با استفاده از الگوریتم طبقه بندی4.5C در پایگاه داده کارت اعتباری با هرس و بدون هرس ارزیابی می شود. به جای طبقه بندی معاملات یا تقلب یا عدم تقلب، معاملات در چهار سطح ریسک قرار می گیرند که یک مفهوم ابتکاری است.

کليدواژه ها

طبقه بندی درخت تصمیم، هرس درختان، overfiting

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 :

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:
علی سلدوزی , 1400 , ارزیابی الگوریتم تصمیم گیری هرس درخت برای دقت پیچیدگی و طبقه بندی(مطالعه موردی) , بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران