ارزیابی کارایی یادگیری روشهای کلاسه بندی داده ها در داده کاوی

دراین مقاله کارایی یادگیری هشت الگوریتم کلاسهبندی معروف بیزین ساده شبکه های عصبی پرسپترون چند لایه نزدیک ترین k همسایه ماشین های بردار ماشین درخت تصمیم ، Bagging ، Boosting و RBF برحسب جذر میانگین مربع خطاها RMSE و زمان یادگیری مورد مطالعه و ارزیابی قرار می گیرند در بررسی و تست روشها از شش مجموعه داده با کاربردهای مختلف موجود در مخزن داده دانشگاه کالیفرنیا و همچنین تکنیک ارزیابی K تکه برابر استفاده شده است.

کلیدواژه ها:

داده کاوی ، کلاسه بندی ، جذر میانگین مربع خطاها ، زمان یادگیری