ارزیابی تاثیر کاهش داده در عملکرد طبقه بندی کننده های خطی و غیرخطی

بررسی و مقایسه ی عملکرد الگوریتم های مختلف طبقه بندی درمسایل کاربردی یادگیری ماشین و شناخت الگو، همواره یک چالش بوده است. همچنین امروزه با افزایش میزان داده های تولید شده، در به کار گیری الگوریتم های طبقه بندی کننده، با مشکل بالا بودن حجم محاسبات مواجه هستیم. به همین علت، بکارگیری الگوریتم هایی کهدر پی کاهش ابعاد داده ها هستند، مورد توجه بسیاری قرار گرفته است. ما در این مقاله قصد داریم میزان پایداری و عملکرد چهار الگوریتم طبقه بندی کننده بیزین، نزدیکترین همسایه، ماشین بردار پشتیبان و پرسپترون چند لایه را بر روی مجموعه داده IRISدر برابر کاهش ابعادداده ها توسط الگوریتمPCAبررسی کنیم

Keywords:

ارزیابی طبقه بندی کننده ها , کاهش ابعاد , الگوریتم الگوریتم ماشین بردار پشتیبان , الگوریتم پرسپترون چند لایه , الگوریتم نزدیکترین همسایه