استفاده از سیستم پشتیبان تصمیم گیری (تصمیم یار) برای انتخاب روش های یادگیری ماشین در داده های بزرگ

امروزه سیستمهای پشتیبان تصمیم گیری در اغلب کاربردها مشاهده میشوند. یکی از این کاربردها در دنیای کلانداده ها میباشد. آنالیز، بررسی، طبقه بندی و استخراج ویژگی داده ها در کلانداده ها نیازمند الگوریتم های مناسب میباشد تا ضمن کاهش زمان محاسبات، دقت سیستم نیز حفظ شود.در این تحقیق با استفاده از عملکرد DSS برای انتخاب الگوریتمهای ML، به روش های یادگیری ماشین امتیاز می دهد. در واقع بر حسب میزان شایستگی، تابع ارزش را مقداردهی میکند، خروجی این فرایند نتیجهگیری یا تصمیمگیری (DSS) است که با توجه به داده های ورودی، بهترین خروجی ممکن است با معیار های MAE، MSE جهت کاربردهای کلان داده با روشهای تجربی و روش سیستم پشتیبان تصمیم گیر در انتخاب الگوریتم مناسب مقایسه گردیده اند. تحقیقات نشان داده است که استفاده از روش های DSS برای انتخاب الگوریتمهای مناسب یادگیری ماشین، در مقایسه با روش های مرسوم و یا روش های مبتنی بر انسان نتایج بهتری را در بر دارد.

کلیدواژه ها:

سیستم پشتیبان تصمیم گیری ، یادگیری ماشین ، کلان داده ها ، انتخاب الگوریتم ، روشهای تجربی