پیش بینی تاخیر پروازهای هوایی به کمک الگوریتمهای یادگیری ماشین

در این مطالعه قصد داریم تاخیرهای پروازهای هوایی مرتبط با آب و هوا را پیشبینی کرده و همچنین عملکرد الگوریتمهای مختلف دادهکاوی و روشهای مختلف متوازن کردن پایگاه داده را بررسی کنیم تا بهترین نتیجه بدست آید. برای این کار، جنگل تصادفی ، درختهای اضافی ، تقویت کننده آدا و بیزین به عنوان الگوریتم های تعیین گروه۵ بررسی شده است. همچنین روشهای مختلف متوازن سازی از دو گروه بیشنمونهبرداری و زیرنمونه برداری و همینطور ترکیب آنها برای حل مشکل نامتوازن بودن داده ها استفاده شده است تا بهترین عملکرد بدست آید. همینطور برای مقایسه الگوریتم های مختلف به جای استفاده از شاخصهای رایج، از ماتریس سود - هزینه استفاده شده است تا عملکرد الگوریتم ها ملموس تر باشد و برخی مشکلات ناشی از نامتوازن بودن داده ها و همینطور خصیصه هدف چندگروهه ، حل شود. در نهایت بهترین مدل عملکرد بسیار عالی از خود دارد و در مقایسه با مدل تصادفی که پروازها را به صورت تصادفی دسته بندی میکند، به سود ۵,۸۳ برابری رسیده و در مقایسه با مدل ایده آل که همه پروازها را به درستی دسته بندی میکند، میتواند به %۶۴,۸۳ سود دست یابد.

کلیدواژه ها:

داده کاوی ، تاخیر پروازها ، داده های نامتوازن ، شاخص عملکرد سود - هزینه ، خصیصه هدف چندگروهی