بهینه سازی الگوریتم درخت تصمیم با استفاده از الگوریتم کلونی زنبورهای مصنوعی برای اعتبارسنجی تراکنش های مالی

انتخاب ویژگی، یکی از تکنیک های مهم و پرکاربرد در مراحل پیش پردازش داده ها برای داده کاوی است. تاکنون برای انتخاب ویژگی از روش های متنوعی استفاده شده است. در درخت تصمیم، حذف ویژگی هایی که بار اطلاعاتی چندانی ندارند، در کاهش هزینه های محاسباتی و بهبود کارایی درخت تصمیم موثر است. در دهه های اخیر، روش های تکاملی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است .الگوریتم کلونی زنبور که یکی از جدیدترین و کارآمدترین الگوریتم های تکاملی است، می تواند با انتخاب ویژگی های مناسب به افزایش کارایی و دقت منجر شود. در این مقاله به ارایه یک روش ترکیبی جهت بالا بردن دقت طبقه بندی درخت تصمیم ID3 بر مبنای انتخاب ویژگی از طریق الگوریتم کلونی برای اعتبارسنجی تراکنش های مالی در بانکداری اینترنتی خواهیم پرداخت. بررسی عملکرد، دقت و نتایج حاصل از شبیه سازی این روش، نشان دهنده موثر بودن آن در بهبود دقت طبقه بندی است.

Keywords:

الگوریتم کلونی زنبورهای مصنوعی (ABC) , بانکداری اینترنتی , داده کاوی , درخت تصمیم ID3