روش شناسی مجموعه درختان تصمیم گیری مبتنی بر داده هوشمند برای داده های بزرگ نامتعادل

چکیده مقاله

تفاوت در اندازه داده ها در هر کلاس، که به نام توزیع نامتعادل داده نیز شناخته می شود، به یک مشکل رایج در داده ها تبدیل شده است کیفیت سناریوهای کلان داده چالش جدیدی را برای الگوریتم های طبقه بندی نامتعادل سنتی ایجاد می کنند، زیرا آنها آماده نیستند برای کار با چنین حجمی از داده ها استراتژی های تقسیم داده ها و کمبود داده در کلاس اقلیت به دلیل استفاده از MapReduce پارادایم چالش های جدیدی را برای مقابله با عدم تعادل بین کلاس ها در سناریوهای کلان داده مطرح کرده است گروه ها بوده اند نشان داده شده است که می تواند با موفقیت به مشکلات داده های نامتعادل رسیدگی کند داده های هوشمند به داده هایی با کیفیت کافی برای دستیابی اشاره دارد مدل های با کارایی بالا ترکیبی از مجموعه ها و داده های هوشمند، که از طریق پیش پردازش داده های بزرگ به دست می آید، باید یک هم افزایی عالی باشد در این مقاله، ما یک روش جدید مجموعه درخت های تصمیم مبتنی بر داده هوشمند را برای پرداختن پیشنهاد می کنیم مشکل طبقه بندی نامتعادل در حوزه های کلان داده، یعنی روش SD_DeTE این متدولوژی مبتنی بریادگیری درخت های تصمیم گیری مختلف با استفاده از داده های کیفیت توزیع شده برای فرآیند مجموعه این داده های با کیفیت به دست می آید با ادغام گسسته سازی تصادفی، تجزیه و تحلیل مولفه های اصلی، و نمونه برداری تصادفی بیش از حد مبتنی بر خوشه برای به دست آوردن نسخه های مختلف Smart Data از داده های اصلی آزمایش های انجام شده در ۲۱ مجموعه داده باینری اقتباس شده نشان داده است که ما روش شناسی از جنگل تصادفی بهتر عمل می کند

کلیدواژه‌ها

نویسندگان

عاطفه خسروی

۱ گروه کامپیوتر دانشکده ی فنی و مهندسی ،واحد فلق،دانشگاه آزاد اسلامی ،اراک ،ایران

زینب خسروی

۲ دبیر هنرستان ،خرم آباد ،ایران

�سروی، عاطفه و خسروی، زینب،1403،روش شناسی مجموعه درختان تصمیم گیری مبتنی بر داده هوشمند برای داده های بزرگ نامتعادل،بیست و سومین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات بیست و چهارمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک18 دی 1403 · شیروان