پیش بینی طول قطر دادههای مربوط به ورقه های شیشه ای با هوش مصنوعی و پایتون

هوش مصنوعی با جلوگیری از پیادهسازی دستی الگوریتم های تکراری بر روی دادههای بزرگ، از هدر رفت زمان و هزینه جلوگیری می کند و با کنار هم قرار دادن حالت های متفاوت از دادههای موجود به بررسی احتمالات مختلف می پردازد. با استفاده از هوش مصنوعی ، محصولات و سیستم هایی که به صورت سنتی مورد استفاده قرار گرفته اند، ارتقا می یابند و کارها آسانتر و با سرعت بیشتری انجام می شود. بیشتر نمونه های هوش مصنوعی بر یادگیری عمیق و پردازش زبان طبیعی متکی هستند. با استفاده از این فناوریها میتوان رایانه ها را برای انجام وظایف خاص با پردازش دادههای بزرگ و با استفاده از تشخیص الگوهای موجود در دادهها آموزش داد. در این پروژه با استفاده از پایتون و دیتابیس دادههای مربوط به ویژگی های ورقه های شیشه ای تولید شده در یک کارخانه ، در ابتدا دادهها پیش پردازش شده اند. در این راستا لازم است تا میزان دادههای گم شده که قسمت های خالی ستونها در سطر ها هستند، اندازه گیری شود و اگر ستونی بیش از مقدار مشخصی دادههای گم شده دارد، حذف شود. سپس با استفاده از واریانس به بررسی ویژگی ها پرداخته شده است . در صورت کم بودن واریانس یک ستون، آن ستون حذف شده است . سپس با استفاده از کوواریانس به میزان شباهت دو ستون با یکدیگر پرداخته شده است و در صورتی که دو ستون شباهت زیادی با یکدیگر داشته اند، یکی از ستونها حذف شده است زیرا قابل جایگزینی با ستون دیگر است . پس از اتمام پیش پردازش دادهها، ستون با اسم قطر به عنوان ستون برچسب انتخاب شده است و چون دیتابیس و برچسب به صورت پیوسته هستند باید از مدل رگرسیون برای پیش بینی قطر استفاده شود. در ادامه ۴ مدل برای پیش بینی طول قطر شیشه در نظر گرفته شده است و در هر کدام به بررسی ۳ پارامتر پرداخته شده است و در نهایت در ۳ نمودار مدلها با یکدیگر مقایسه شده اند.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، تحلیل رگرسیون