سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه رگرسیون لوژیستیک با برخی از روش های یادگیری ماشین در رده بندی داده ها

Publish Year: 1400
Type: Journal paper
Language: Persian
View: 201

This Paper With 14 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_ISS-26-1_004

Index date: 11 September 2022

مقایسه رگرسیون لوژیستیک با برخی از روش های یادگیری ماشین در رده بندی داده ها abstract

یکی از مسائل مهم در علوم مختلف موضوع رده بندی است. رگرسیون لوژیستیک یکی از روش های آماری برای رده بندی داده ها است که در آن توزیع داده ها معلوم فرض می شود.محققان امروزه علاوه بر روش های آماری از روش های دیگری که در آن نیاز به معلوم بودن توزیع داده ها نیست مانند روش های یادگیری ماشین برای رده بندی داده ها استفاده می کنند . در این در این مقاله علاوه بر رگرسیون لوژیستیک، برخی از الگوریتم های یادگیری ماشین شامل CART،تقویت، Bagging جنگل تصادفی  در حوزه ی یادگیری با نظارت توضیح داده می شود. در نهایت با استفاده از ۴ مجموعه داده واقعی و یک مثال شبیه سازی شده  کارایی رگرسیون لوژیستیک با الگوریتم های یادشده  بر اساس معیار دقت و حساسیت و صحت  مورد مقایسه قرار می گیرند.  

مقایسه رگرسیون لوژیستیک با برخی از روش های یادگیری ماشین در رده بندی داده ها Keywords:

مقایسه رگرسیون لوژیستیک با برخی از روش های یادگیری ماشین در رده بندی داده ها authors

طیبه کرمی

دانشگاه رازی

محی الدین ایزدی

دانشگاه رازی

مهرداد نیاپرست

دانشگاه رازی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Aggarwal, C. C. (۲۰۱۴). Data classification: algorithms and applications. CRC ...
Agresti, A. (۲۰۰۳). Categorical data analysis. John Wiley and Sons, ...
Alpaydin, E. (۲۰۱۴). Introduction to machine learning. MIT press, London, ...
Breiman, L., Friedman, J., Stone, C. J. and Olshen, R. ...
Breiman, L. (۱۹۹۶). Bagging predictors. Machine learning, ۲۴(۲), ۱۲۳-۱۴۰ ...
Breiman, L. (۲۰۰۱). Random forests. Machine learning, ۴۵(۱), ۵-۳۲ ...
Efron, B. (۱۹۷۹). Bootstrap Methods: Another Look at the Jackknife. ...
Freund, Y., and R. E. (۱۹۹۷). A decision-theoretic generalization of ...
Kass, G. V. (۱۹۸۰). An exploratory technique for investigating large ...
Maimon, O. Z., Rokach, L. (۲۰۱۴). Data mining with decision ...
Schapire, R. E. (۱۹۹۰). The strength of weak learn ability. ...
Soleimanpour, S. M., Mesbah, S. H., and Hedayati, B. (۲۰۱۸). ...
Syarif, I., Zaluska, E., Prugel-Bennett, A. and Wills, G. (۲۰۱۲) ...
Taser, P. Y. (۲۰۲۱). Application of bagging and boosting approaches ...
Magidi, J., Nhamo, L., Mpandeli, S., and Mabhaudhi, T. (۲۰۲۱). ...
Mitchell, T. M. (۱۹۹۷). Machine Learning. McGraw-Hill, Ithaca ...
You, J., van der Klein, S. A., Lou, E. and ...
Zhu, W., Zeng, N. and Wang, N. (۲۰۱۰). Sensitivity, specificity, ...
نمایش کامل مراجع