مقایسه و ارزیابی عملکرد الگوریتم های یادگیری ماشین در صحت طبقه بندی و توانایی تشخیص

امروزه استفاده از الگوریتم های یادگیری ماشین راه حل مناسبی برای بسیاری از مسایل اتوماسیون است. به ویژه مسایلی که راه حل جامعی برای آن ها وجود نداشته و صرفا نمونه هایی حل شده و غالبا متعدد از این مسایل در دسترس است. با توجه به توسعه روز افزون الگوریتم های یادگیری ماشین، انتخاب های متعددی برای عمل یادگیری ماشین وجود دارد؛ بنابراین انتخاب الگوریتم مناسب برای حل یک مساله خاص می تواند به یک چالش تبدیل شود. در این مقاله سعی شده تا با اجرای پنج الگوریتم یادگیری ماشین مختلف بر روی پنج مجموعه داده متفاوت در حوزه های گوناگون، عملکرد این الگوریتم ها به گونه ای روشن مورد تجزیه و تحلیل قرار گیرد.

کلیدواژه ها:

یادگیری ماشین ، طبقه بندی ، درخت تصمیم ، k امین نزدیک ترین همسایه ، الگوریتم بیز ، شبکه عصبی ، برنامه نویسی ژنتیک