بهبود روش دسته بندی مبتنی بر بیز ساده

دسته بندی یکی از مسائل اصلی مطرح شده در یادگیری ماشین محسوب می شود. در یادگیری ماشین روش های مختلفی برای حل مسئله دسته بندی ارائه گردیده است، که از جمله این روش ها، روش دسته بندی بیز است. در این مقاله به بررسی کارهایی که با روش های مختلف به دسته بندی مجموعه داده Abalone که یکی از معروف ترین داده های سایت UCI محسوب می شود پرداخته شده است. در واقع دسته بندی بیز چیزی جز احتمالات شرطی نیست، اما ویژگی بسیار مثبت الگوریتم بیز، این است که امکان اثبات بهینگی دارد. به عبارت دقیق تر اگر اعتبار اطلاعات ورودی به این الگوریتمف که برای دسته بندی مورد استفاده قرار می گیرند، 100 درصد باشد، می توان اثبات کرد که بیز، در مقایسه با روش های دیگر، بهترین دست بندی را ارائه می کند. در این کار، دسته بندی بیز انجام شده با بقیه روش ها مقایسه شده و در کار انجام شده 9 درصد نسبت به مقاله های مشابه بهبود حاصل گردیده است.

کلیدواژه ها:

دسته بندی ، یادگیری ماشین ، شبکه بیز ، Abalone dataset ، یادگیری با نظارت