ارائه یک الگوریتم هرس مبتنی بر الگوریتم ژنتیک و ازدحام ذرات برای درخت تصمیم

الگوریتم های یادگیری ماشین روش هایی هستند که به طور خودکار ساختار مدلها را توصیف می کنند. چنین مدل هایی دریک مجموعه داده می توانند برای پیش بینی بکار روند و از آنها برای تجزیه و تحلیل دامنه ای که منشأ داده است استفادهمی کنند. درخت های تصمیم یکی از ابزارهای قوی و متداول برای طبقه بندی و پیش بینی می باشند. در درختان تصمیمکیفیت شاخه های ایجاد شده مهم است و گاهی اوقات هرس برخی شاخه های ضعیف تر درخت باعث بهبود قدرت پیش بینیمی شود. بنابراین بحث هرس به منظور کاهش اندازه درخت و افزایش دقت درخت مطرح می شود. در این مقاله، با تعریفمسئله به شکل یک مسئله بهینه سازی و حل آن به کمک الگوریتم ژنتیک در ترکیب با الگوریتم تجمع ذرات، هرسدرختان تصمیم را انجام داده ایم. نتایج ارزیابی بر روی مجموعه داده های استاندارد برتری روش پیشنهادی را بر روشهایگذشته نشان داد.

کلیدواژه ها:

طبقه بندی ، هرس درخت تصمیم ، درخت تصمیم ، داده کاوی ، الگوریتم ژنتیک و تجمع ذرات