شرح مختصر : این نوشته یک الگوریتم جدید به آوازه ID6NB را از بهر بسط درخت تصمیم ، معرفی میکند که شامل الگوریتم ID3غیر افزایشی Quinlanاست. این الگوریتم راهحلهایی برای دو مشکل انتها عرضه میکند: وضعیتی که باب ثانیه رای گیری اکثریت تصمیم نادرست میدهد (یعنی ساخت دو نوع قانون متفاوت برای داده یکسان.) افت ابعاد در الگوریتم غیر افزایشی دار تصمیمگیری، تخمین صفت درخور برای یک بند جایی که دو یا چند صفت بهره اطلاعاتی یکسانی دارند. مشکل بیشترینها به کمک الگوریتم Naive Bayesحل میشود. از بهر کاهش ابعاد نیز یک راه حل عرضه شده است. باب نهایت، امعان طبقه بندی به تشدد بهبود یافته است. آروین گسترده و گسترش یافته در برخی از مجموعه دادههای واقعی و مصنوعی نشان میدهد که ID6NB یک الگوریتم دسته بندی state-of-the-art است که نسبت به سایر روشهای آموزش درخت تصمیمگیری، خروجی بهتری دارد.
سیاهه :
مقدمه
جهاز مبتنی بر دانش
تئوری اطلاعات و پایه بندی
کاهش ابعاد و انتخاب ویژگی
قالب بندی مقاله
کارهای پیوسته
وضعیت مسئله
کارهای پیشنهادی
رخداد استثنا در کاهش ابعاد درازا
اسم و دوران رخداد استثنا در کاهش ابعاد
رخداد استثنا به انگیزه شکست رای گیری اکثریت
حل مسئله رد اندیشه گیری اتیکت کلاس جایی که رای گیری اکثریت با شکست مواجه می شود
قوانین Beta و Alpha
نتایج تجربی و ارزیابی عملکرد
برآورد عملکرد بررسی مجموعه داده های Monk
افت ابعاد
امعان سابق بینی
نتایج پیاده سازی
نتیجه گیری