مروری بر روش های پیش بینی مقدار Miss Value در الگوریتم C4.5

اغلب دیتاست های مربوط به ماشین یادگیری و داده کاوی دارای داده هایی با مقادیر Miss Value (داده گمشده) میباشند. چگونگی برخورد با Miss Value و نیز ارائه راهکارهایی مبنی بر پیش بینی مقدار مربوط به Miss Value ،منجر به بروز یک مسئله بسیار مهم در زمینه ماشین یادگیری و داده کاوی شده است. در بین الگوریتم های داده کاوی،الگوریتم C4.5 ، به دلیل کارآیی ، استفاده در کاربردهای مختلف داده کاوی و نیز توانایی در کار کردن و پیش بینی مقدارMiss Value در دیتاست ، به طور مکرر مورد استفاده قرار گرفته است. پژوهشگران و محققان روش ها و الگوهایمتعددی جهت برخورد با مقادیر Miss Value و پیش بینی مقدار آن در الگوریتم C4.5 ارائه داده اند که هر یک ازروش ها به نحوی موجب افزایش دقت درخت تصمیم و در نتیجه تولید یک درخت تصمیم موثر و کاراتر شده است.لذا درمقاله حاضر به بررسی و مرور روش ها و راهکارهای ارائه شده و نیز دقت به دست آمده از هریک از روش ها، خواهیمپرداخت.

کلیدواژه ها:

ماشین یادگیری ، داده کاوی ، Miss Value ، الگوریتم C4.5 ، دقت ، درخت تصمیم