پیش بینی سن صدف آبالون با استفاده از تکنیک های دسته بندی داده کاوی

تعیین سن صدف آبالون به روش های سنتی مانند برش و شمارش حلقه های رشد زیر میکروسکوپ زمان بر و پر از خطا می باشد. این پژوهش با به کارگیری تکنیک های داده کاوی روشی خودکار برای پیش بینی سن صدف بر اساس مشخصات فیزیکی ارائه می دهد. از این رو از تکنیک های رگرسیون لجستیک و ماشین بردار پشتیبان با توابع کرنل خطی و گوسی استفاده شد و مدل ها روی مجموعه داده ای با ۴۱۷۷ رکورد و ۹ ویژگی فیزیکی صدف از UCI (University of California Irvine) ارزیابی گردید. متغیر هدف، تعداد حلقه، به دو دسته «سن میانی» و «سن بالا» تبدیل شد تا امکان دسته بندی باینری فراهم شود. مدل ها در نرم افزار رپیدماینر پیاده سازی و با معیار نرخ صحت ارزیابی شدند. نتایج نشان داد که رگرسیون لجستیک با نرخ صحت ۹۱/۱۱ عملکرد بهتری نسبت به ماشین بردار پشتیبان با تابع کرنل خطی (۸۶/۱۱) و کرنل گوسی (۸۴/۴۴) دارد. این پژوهش گامی موثر در جایگزینی روش های سنتی با راهکارهای مبتنی بر داده کاوی است.

کلیدواژه ها:

داده کاوی ، رگرسیون لجستیک ، ماشین بردار پشتیبان ، صدف آبالون ، پیش بینی سن