دیداری سازی و ارزیابی نتایج مدل های یادگیری آماری با استفاده از نقشه های کلاس به همراه ارائه نرم افزار کاربردی با تاکید بر دست نوشته های فارسی

چکیده مقاله

پیش بینی و پیشگویی با کمک مدل های یادگیری آماری از پراستفاده ترین و مهمترین کاربردهای علم آمار است مدل های آماری پس از آموزش به کمک پردازش داده های آموزشی، به اهداف متفاوتی مانند تخصیص مشاهدات جدید به کلاس های موجود در مدل های طبقه بندی، نحوه عضویت مشاهدات در خوشه ها در مدل های خوشه بندی و موارد بسیار دیگر استفاده می شوند معمولا این امکان وجود دارد که مدل در پیش بینی کلاس یا خوشه ی بعضی از مشاهدات خطا داشته باشد و آنها را به اشتباه به کلاس یا خوشه دیگری تخصیص دهد در این شرایط مشخص کردن علت خطای مدل آماری به منظور اصلاح روند کارکرد و ارتقای عملکرد آن بسیار حائز اهمیت است خطاهای مدل ممکن است به علت برچسب گذاری اشتباه بالقوه، هم پوشانی کلاس ها، وجود زیرکلاس ها و موارد اینچنینی باشد برای یافتن علت خطاهای مدل و دستیابی به بینش بهتر و عمیق تر نسبت به نتایج مدل های آماری و عملکرد آن ها، می توان از ابزار ارزیابی مدل های آماری مانند ماتریس درهم ریختگی استفاده کرد عمده ابزارهای حاضر، بینشی کلی از عملکرد مدل ارائه می کنند و بررسی علت خطاها به صورت موردی فراهم نیست در تحقیق حاضر، نمودار نقشه کلاس به عنوان راهکاری شهودی و بسیار پرکاربرد و راهگشا برای شناسایی و یافتن دلایل خطاهای پیش بینی مدل های آماری و بررسی موردی خطاها در هر یک از نقاط داده معرفی می شود همچنین، نحوه عملکرد نقشههای کلاس در تحلیل مجموعه اعداد دست نوشته فارسی تشریح می شود و در آخر برای بهبود کارکرد این ابزار نرم افزاری کاربردی تحت وب که اخیرا نویسندگان این مقاله تولید کردند، ارائه می شود

کلیدواژه‌ها

نویسندگان

علیرضا کبورانی

دانشجوی کارشناسی ارشد، گروه آمار دانشگاه تربیت مدرس

موسی گلعلی زاده

دانشیار، گروه آمار دانشگاه تربیت مدرس

کبورانی، علیرضا و گلعلی زاده، موسی،1402،دیداری سازی و ارزیابی نتایج مدل های یادگیری آماری با استفاده از نقشه های کلاس به همراه ارائه نرم افزار کاربردی با تاکید بر دست نوشته های فارسی،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر