بررسی تاثیر Bagging درخصیصه ها بردسته بندی

تلاشهای علمی زیادی برای استفاده از تکنکیهای یادگیری آماری جهت گسترش الگوریتمهای دسته بندی انجام شده است درسالهای اخیر روشهای ترکیبی درگسترش الگوریتم های دسته بندی بسیاری رایج شده اند یک روش ترکیبی درتشخیص این که یک نمونه به چه دسته ای تعلق دارد همچون کمیته خبرگان عمل می کند اگرچه هر دسته بندی کننده به تنهایی ممکن است درتصمیم گیری ضعیف عمل کند اما ترکیب دسته بندی کننده ها می تواند یک کمیته قدرتمند با دقت بالا را شکل دهد دراین مقاله یک روش ترکیبی پیشنهاد شده که از نظر دقت دسته بندی و مقاومت در برابر نویز قابل رقابت با روشهای دسته بندی ترکیبی شناخته شده است دراین روش از نوعی bagging استفاده می شود که برخلاف حالت معمول این bagging برروی خصیصه ها صورت می پذیرد و نه برروی نمونه ها. به این صورت که هریادگیرنده ضعیف برروی زیرمجموعه ای از خصیصه ها آموزش داده می شود.

Keywords:

یادگیری ماشین , روش ترکیبی , دسته بند , مجموعه داده پزشکی , یادگیرنده ضعیف