دادهکاوی آماری با اتخاد بر ترکیب روشهای آماری و یادگیری ماشین

توانایی در تجزیه و تحلیل و درک مجموعه دادههای انبوه یا همان دادههای بزرگ به مراتب فراتر از توانایی ما در جمعآوری و ذخیره سازی دادهها میباشد. داده کاوی علمی است که با کمک آمار و علوم رایانهای به راحتی می تواند اطلاعات نهفته مجموعهای بسیار بزرگ از دادهها را استخراج کند. الگوها و تکنیکهای متفاوتی از جمله رگرسیونی، سری زمانی، ماشینهای برداری پشتیبان، درخت تصمیم و ... هستند که هریک به فراخور دادهها و کارایی مورد نظر باید انتخاب شوند. در این مقاله به بررسی برخی ترکیبهای که به ترتیب عبارت بوده اند از ترکیب مدلسازی لگاریتم خطی با ردهبندی و رگرسیون درختی ترکیب تحلیل ممیزی، رگرسیون لجستیک و رده بندی درختی رده بندی درختی در مقابل مدلهای چند جلمه ای پرداخته و سعی شد ضعف و قوت هرترکیب مطرح و تا حد امکان با روشها و ترکیبهای دیگر مقایسه شوند. در تحقیق مربوط به زایمان مادران هر دو روش مدلسازی لگاریتمخطی ودرخت ردهبندی رگرسیونی نتایج مشابهای از ارتباط مستقیم سن مادر و با وزن پایین نوزاد داشته است.

Keywords:

دادهکاوی , روشهای آماری , دده های رسته ای , مدل لوجیت , یادگیری ماشین