مقایسه روش های متداول طبقه بندی در داده کاوی بوسیله روش های آماری و تحلیل پوششی داده ها:مطالعه موردی مدل اشتغالزایی تعاونی های برتر استان فارس

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,231

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NIESC01_087

تاریخ نمایه سازی: 14 شهریور 1392

Abstract:

درعصرحاضرباتوجه به افزایش روزافزون سیستم های پایگاهی و حجم بالای داده ای ذخیره شده دراین سیستم ها نیاز به ابزاری است تابتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل ازاین پردازش را دراختیار تصمیم گیرندگان قرار داد دردهه های اخیر توانایی های بشر برای تولید و جمع آوری داده ها به سرعت افزایش یافته است این رشدانفجاری درداده های ذخیره شده نیاز مبرم به ابزارهای خودکارسازی را ایجاد کرده است تا بصورت هوشمند به انسان یاری رساند تا این حجم عظیم داده را به دانش مفید و مورد نیاز خود تبدیل نماید به این فرایند داده کاوی اطلاق میگردد یکی اززمینه هایی که میتوان ازاین دانش به نحو موثری بهره گرفت پایگاه داده های مربوط به تعاونی ها درسطح کلان به منظور بررسی و تحلیل فلسفه وجودی تعاونی ها یعنی اشتغال زایی است پیش بینی اشتغال زایی تعاونی ها ازبا الویت ترین فعالیت ها برای تصمیم گیرندگان سهامداران سرمایه گذاران مدیران پرسنل و محققان است دراین مقاله برانیم تا با استفاده از12 الگوریتم که درحال حاضر درپژوهشهای علمی مقبولیت بیشتری دارند bayes net ، bayes Classifier: naive bayes ، simple cart ، random Forrest ، j48 : Classifiers tre پایگاه داده هدف را با استفاده از Training set Cross validation(fold 10) به دو صورت طبقه بندی نماییم ودقت های حاصله ازطبقه بندی داده ها را با استفاده ازتحلیل های اماری مانند آزمون T و ... تحلیل کرده و برترین الگوریتم را باتوجه به پایگاه های داده هدف به منظور تعیین مدل اشتغال زایی پایگاه داده سایرشهرستان های استان با استفاده ازروش تحلیل پوششی داده ها انتخاب نماییم

Authors

محمد علی کرامتی

گروه مهندسی صنایع

پویان سلیمانی حمیدی نژاد

گروه مهندسی صنایع

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 :
  • دانشگاه آزاد اسلامی واحد نجف آباد _ 29و30 آذر _ ...
  • - Jeffery W. Seifert , Analyst in information science and ...
  • P. Langley, W. Iba, and K. Thompson, an Analysis of ...
  • P. O. Bobbie, H. Chaudhari., C.-Z. Arif, and S. Pujari, ...
  • Irina Rish. An empirical study of the naive bayes classifier. ...
  • White, Mark ECE59 1Q-Machine Learning - Lecture slides, Fall 2005 ...
  • Breiman L, Random Forests. Machine Learning, 45 (1), pp 5-32, ...
  • Weka Java API: Classifiers: HyperPipes. University of Waikato. [Online] [Cited: ...
  • An Introduction to Data Mining: http : //www .thearling. com/, ...
  • Fayyad U., Piatetsky- Shapiro G., and Smyth P., "From Data ...
  • L. Cherchye, T. Post.(2003). Methodologic al advances in DEA: a ...
  • W.W. Cooper, L.M. Seiford, J. Zhu, Data envelopment analysis: history, ...
  • J Zurada, W.Karwowski, _ .Marras(2004) _ Classification of jobs with ...
  • نمایش کامل مراجع