یادگیری قوانین چندهدفه بااستفاده ازدرخت تصمیم والگوریتم ممتیک

استنتاج قوانین درسیستم های یادگیری ازاهمیت بالایی برخوردار است درزمینه استخراج قوانین قابلیت تفسیرودقت بسیارمهم می باشند این دومعیار معمولا بایکدیگر درتعارض هستند بنابراین توجه به هردوهمزمان دشوارو پیچیده می باشد توانایی الگوریتم های ترکیبی آنها را قادرمی سازدهردومعیار را موردتوجه قراردهنددراین مقاله الگوریتم ممتیک چندهدفه برای پالایش مجموعه قوانین دسته بندی ارایه میشود علاوه براین دسته بندهای منفرد هنگام دسته بندی مجموعه داده های با اندازه بزرگ ابعادبالا بامشکل روبرو میشوند این مقاله روش جدیدی برای برخورد با این مسائل ارایه میدهد دراین رویکرد از الگوریتم پرندگان به عنوان بهینه ی محلی استفاده میشود هدف ما دراین گام پالایش مجموعه قوانین قابل تفسیرتر و دقیقتر می باشد الگوریتم ارایه شده با الگوریتم PART ، C4.5 و DTGA با استفاده ازشش مجموعه داده ازمخزن UCI مقایسه میشود.

کلیدواژه ها:

یادگیری قانون ، الگوریتم c4.5 ، الگوریتم ژنتیک ، الگوریتم ممتیک ، الگوریتم اجتماع پرندگان