بهبود روش مبتنی بر ماشین بردار پشتیبان انتخاب بهترین پارامتر برای دسته بندی و رگرسیون داده های حجیم

پیش بینی دسته بندی و رگرسیون داده ها یکی از مباحث مهم و پرکاربرد در علوم مختلف است. بررسی دقت این پیش بینی می تواند بسیار حایز اهمیت باشد روش های متعددی در این زمینه ارایه شده اند که می توان پایین بودن دقت و انجام محاسبات زیاد را از معایب آنها دانست. از جمله روش های معروف مانند شبکه های عصبی، ماشین بردار پشتیبان و روش های آماری نام برد. در این پایان نامه یک روش بر پایه ماشین بردار پشتیبان ارایه شده است که بتوان به کمک آن دقت پیش بینی دسته بندی و رگرسیون داده های حجیم با مشخصه مذکور را بالا برد. بهینه سازی پارامترهای تنظیم، انتخاب بهترین تابع کرنل پیش پردازش داده ها و نرمال سازی از جمله مواردی است که می توانند در این موضوع نقش بسزایی داشته باشند. با به کار گیری الگوریتم بهینه سازی نتایج خوبی حاصل شد بطوری که نتایج تابع درصد افزایش دقت را شامل شده اند

Keywords:

رگرسیون , طبقه بندی , ماشین بردار پشتیبان , بهینه سازی پارامترها