دسته بندی و پیش بینی گونه های مختلف بابونه با استفاده از یادگیری ماشین

بابونه یکی از اصلی ترین گیاهان دارویی است که در همه کشور ها مورد استفاده زیادی قرار می گیرد. روش های مورفولوژیکی مختلفی برای شناسایی جنس های مختلف بابونه وجود دارد. در این بررسی با استفاده ا ز الگوریتم های بیوانفورماتیکی مختلف، ابزارهای جدیدی برای طبقه بندی بابونه بر اساس نشانگر های پروتئینی ارائه شده است. چهار پروتئین ( با وزن مولکولی45708،190107، 380189 و 295120 دالتون) به عنوان مهم ترین نشانگرهای پروتئینی با دقت پیش بینی بالا بر اساس مدلAttribute Weighting انتخاب شدند .دسته بندی بدون پیش بینی بر اساس الگوریتم K-Means مبتنی بر داده های SVM قادر به خوشه بندی صحیح بابونه ها هستند. همه 176 درخت بدست امده از مدل های مختلف درخت تصمیم گیری، تولید درختان معنی دار نمودند. در این درختان تصمیم گیری ال ل P45708D نسبت به تمایز بین جنس Anthemis و Tripleurospermom دارای دقت بالای تمایز و تشخیص است. الگوریتم های یادگیری ماشین پیشنهادی (SVM و Naïve Bayes) نیز قادر به پیش بینی و تمایز بالایی هستند. برای اولین بار، نتایج ما نشان داد که روش های داده کاوی می تواند به شیوه ای بسیار موثر و با بالاترین دقت و صحت برای تمایز ژنتیکی جنس های بابونه مورد استفاده قرار گیرد

Keywords:

بابونه , داده کاوی , یاد گیری ماشین , درخت تصمیم