مقایسه ی دو الگوریتم Bayes و Metaدر تشخیص بیماری اوتیسم

امروزه با پیشرفت فناوری ها، به ویژه فناوری های مرتبط با اطلاعات و ارتباطات، حجم عظیمی از داده ها در حال تولید در شبکه های ارتباطی و اطلاعاتی هستند و یکی از ضرورت های موفقیت های کسب و کارها، حتی در مقیاس کوچک، امکان بهره گیری از این اطلاعات و داده هاست مدیران کسب و کارهای مختلف، می دانند که جمع آوری اطلاعات و داده ها از مشتریان و مخاطبان یک شرکت، یکی از عوامل مورد نیاز برای رشد و توسعه این شرکت هاست. اما این فقط نصف مسیر است؛ اگر داده ها فقط جمع شوند و بلا استفاده بمانند، عملا هدف اصلی از جمع آوری این اطلاعات، برآورده نشده است .گام مهمی که پس از جمع آوری داده ها و اطلاعات می بایست برداشته شود، استخراج دانش از اطلاعات و ملموس تر کردن داده های جمع آوری شده، برای استنتاج قواعد و نتایج کاربردی است. در این مقاله سعی شده است با مقایسه دو الگوریتم پرکاربرد در زمینه داده کاوی با نام Bayes و Meta که در نرم افزار داده کاوی Weka Expelorer است، نتایجی بدست بیاوریم و نتیجه گیری کنیم که کدام الگوریتم نتایج و عملکرد بهتری می توانند در داده کاوی داشته باشند

کلیدواژه ها:

داده کاری ، درخت تصمیم ، اوتیسم