ارائه روشی نوین با استفاده از مدل تحلیل پوششی داده ها و آنتروپی برای انتخاب خصیصه در داده کاوی

در سالهای اخیر با انفجار حجم داده ها استفاده از ابزارهای نوین در تحلیل داده ها نیز افزایش چشمگیری یافته است. یکی از پرکاربردترین این ابزارها داده کاوی است. الگوریتم های اصلی داده کاوی به 4 دسته انتخاب خصیصه، طبقه بندی، خوشه بندی وقوانین تجمعی تقسیم می شوند. یکی از این وظائف انتخاب خصیصه است. در انتخاب خصیصه الگوریتم به دنبال یافتن مهمترین خصیصه ها برای پیش بینی برچسب(کلاس) داده ها است. الگوریتم های متنوعی برای انتخاب خصیصه وجود دارد ما در این مقاله با رویکردی نوین و با استفاده از تکنیکهای تصمیم گیری چند معیاره از جمله آنتروپی و مدل تحلیل پوششی داده ها به ارائه مدلیاقدام نموده ایم و با مقایسه با i i ابتکاری در انتخاب خصیصه پرداخته ایم و با ایجاد آزمایشی مناسب به آزمایش 6 پایگاه داده واقعی دیگر روشهای رایج انتخاب خصیصه به آزمایش الگوریتم پیشنهادی پرداخته ایم. نتایج حاکی از دقت بالاتر روش پیشنهادی در مقایسه با سایر الگوریتم های موجود است که نشان می دهد با استفاده از تکنیکهای تصمیم گیری چندمعیاره علاوه بر آنکه می توان دقت داده کاوی را افزایش داد، می توان شاخه جدیدی نیز در الگوریتم ها ایجاد کرد

کلیدواژه ها:

داده کاوی ، الگوریتم انتخاب خصیصه ، آنتروپی ، تحلیل پوششی داده ها ، طبقه بندی