چکیده مقاله
درخت ID۳ ساده ترین نوع درخت تصمیم گیری می باشد که به دلیل کارایی، سادگی درک و استفاده در کاربردهای داده کاوی و یادگیری ماشین به صورت مکرر مورد استفاده قرار گرفته است این روش با استفاده از یکی از قواعد اساسی در نظریه اطلاعات عمل می کند مطابق این روش در هر زمان ویژگی از اطلاعات برای تعیین دسته مورد استفاده قرار می گیرد که بیشترین بار اطلاعاتی را داشته و یا به عبارت بهتر موجب کاهش بی نظمی یا آنتروپی گردد مطابق این الگوریتم زمانی که چند صفت شرایط یکسان و یا بسیار نزدیک به هم داشته باشند این الگوریتم هیچگونه پیش بینی برای انتخاب آن ها ندارد و اولین صفتی که بالاترین بار اطلاعاتی را داشته باشد انتخاب و دسته بندی را بر اساس آن انجام می دهد بنابراین هدف از انجام این تحقیق بررسی بهبود الگوریتم ID۳ و معیار بهره اطلاعات در تصمیم گیری با استفاده از روش توصیفی و منابع معتبر کتابخانه ای بوده است نتایج یافته های تحقیق نشان داد، الگوریتم درخت تصمیم به ما کمک می کند تا بتوانیم با استفاده از داده های موجود و با روشی ساده و قابل فهم، مدل های پیش بینی ایجاد کنیم که می توانند در تصمیم گیری های تجاری و تحلیل های داده مورد استفاده قرار گیرند
کلیدواژهها
نویسندگان
لیلا نصیری دارانی
کارشناس ارشد مهندسی کامپیوتر هوش مصنوعی و رباتیک، دانشگاه غیرانتفاعی صفاهان اصفهان
شیوه ارجاع
نصیری دارانی، لیلا،1404،بهبود الگوریتم ID۳ و معیار بهره اطلاعات در تصمیم گیری،ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات ششمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات20 اردیبهشت 1404 · مشهد