مروری بر روشها و الگوریتمهای طبقه بندی

طبقهبندی عبارت از تخصیص رکوردها و یا هر مجموعهای از اشیا به مجموعه مشخصی از طبقهها است. طبقهبندی کاربرد زیادی در کارهای مربوط به پردازش زبان طبیعی از قبیل فیلتر کردن نامههای الکترونیکی، مشخص کردن تمایلات کاربران و غیره دارد. طبقهبندی نوعی یادگیری با ناظر میباشد که در طی دو مرحله انجام میگردد. در مرحله اول مجموعهای از دادهها که در آن هر داده شامل تعدادی خصوصیت دارای مقدار و یک خصوصیت بنام خصوصیت کلاس میباشد، برای ایجاد یک مدل داده بکار میروند که مدل داده درواقع توصیفکننده مفهوم و خصوصیات مجموعه دادههایی است که مدل از روی آنها ایجادشده است. مرحله دوم طبقهبندی اعمال یا بهکارگیری مدل داده ایجادشده بر رویدادههایی است که شامل تمام خصوصیات دادههایی که برای ایجاد مدل داده بکار گرفتهشدهاند، میباشد، بهجز خصوصیت کلاس این مقادیرکه هدف از عمل طبقهبندی نیز تخمین مقدار این خصوصیت میباشد. الگوریتمهای مختلفی برای طبقهبندی تاکنون پیشنهادشده اند که برای مثال میتوان از روشهای طبقهبندی با استفاده از درخت تصمیم، طبقهبندی نایوبیز، ماشین بردار پشتیبان، شبکههای عصبی، طبقه بندی مبتنی بر قواعد نام برد. در اینجا ما قصد داریم مباحث مربوط به الگوریتمها و روشهای طبقهبندی معرفی و به شرح برخی از پرکاربردترین آنها بپردازیم.

کلیدواژه ها:

درختان تصمیم ، شبکه عصبی ، طبقهبندی ، نایوبیز