مقایسه رگرسیون لوژیستیک با برخی از روش های یادگیری ماشین در رده بندی داده ها

یکی از مسائل مهم در علوم مختلف موضوع رده بندی است. رگرسیون لوژیستیک یکی از روش های آماری برای رده بندی داده ها است که در آن توزیع داده ها معلوم فرض می شود.محققان امروزه علاوه بر روش های آماری از روش های دیگری که در آن نیاز به معلوم بودن توزیع داده ها نیست مانند روش های یادگیری ماشین برای رده بندی داده ها استفاده می کنند . در این در این مقاله علاوه بر رگرسیون لوژیستیک، برخی از الگوریتم های یادگیری ماشین شامل CART،تقویت، Bagging جنگل تصادفی  در حوزه ی یادگیری با نظارت توضیح داده می شود. در نهایت با استفاده از ۴ مجموعه داده واقعی و یک مثال شبیه سازی شده  کارایی رگرسیون لوژیستیک با الگوریتم های یادشده  بر اساس معیار دقت و حساسیت و صحت  مورد مقایسه قرار می گیرند.  

کلیدواژه ها:

Decision Tree ، Ensemble Learning ، Random Forest ، Supervised Learning. ، جنگل تصادفی ، درخت تصمیم ، یادگیری با نظارت ، یادگیری گروهی