جنگل های تصادفی و درختان تصمیم

در این مقاله، نتایج کلاسبندی دو مدل یعنی جنگل تصادفی و J48 را برای کلاس بندی بیست مجموعه-داده ی چند منظوره مقایسه کردیم. ما 20 مجموعه داده ی موجود را از مخزن [UCI] حاوی نمونه هایمختلف از 148 تا 20000 گرفتیم. نتایج کلاس بندی بدست آمده از روشها یعنی جنگل تصادفی و درختتصمیم (J48) را مقایسه کردیم. پارامترهای کلاسبندی شامل نمونه های به طور صحیح کلاس بندی شده،نمونه های به طور ناصحیح کلاس بندی شده، اندازه گیری- F ، دقت، صحت و جامعیت می باشند. نتایج کلاس-بندی نشان میدهند که جنگل تصادفی نتایج بهتری برای همان تعداد از صفات و مجموعه داده های بزرگیعنی با تعداد نمونه های بیشتر می دهد، در حالی که J48 برای مجموعه داده های کوچک (تعداد نمونه هایکمتر) مناسب است. نتایج حاصل از مجموعه داده ی سرطان پستان نمایش می دهد که وقتی تعداد نمونه هااز 286 تا 699 افزایش یافت، درصد نمونه های به طور صحیح کلاس بندی شده برای جنگل تصادفی از69.23% به 96.13 % افزایش یافت، یعنی برای مجموعه- داده با همان تعداد صفات اما دارای نمونه های بیشتر،صحت جنگل تصادفی افزایش یافت.

Keywords:

جنگل های تصادفی , درختان تصمیم , J48