استفاده از طبقه بندی کننده Naïve Bayse و درخت تصمیم برای طبقه بندی مشکلات خود مراقبتی دانش آموزان ناتوان جسمی-حرکتی

هدف این پژوهش ارزیابی طبقه بندی کننده Naive Bayse با چند الگوریتم درخت تصمیم در طبقه بندی مشکلات خود مراقبتی کودکانناتوان جسمی - حرکتی است. اریه یک مدل هوشمند که بتواند با دقت مناسب، این مشکلات را طبقه بندی کند موجب کمک بهآموزش وپرورش استثنایی، بهزیستی و نهادهای وابسته به این دو سازمان خواهد شد. در این مقاله در مرحله اول با چندین آزمایش و با استفاده از یک مجموعه داده مبتنی بر ICF-CY دقت و زمان ساخت مدل طبقه بندی کننده های درخت تصمیم و طبقه بندی کننده Naive Bayesمورد ارزیابی و مقایسه قرار گرفته است. در مرحله دوم با استفاده از الگوریتم ژنتیک و انتخاب ویژگی های موثر یک مجموعه داده جدید ایجاد شد. سپس آزمایشات مرحله اول با مجوعه داده جدید تکرار گردید. با بررسی نتایج بهدست آمده از هر دو مرحله آزمایش ما بهاین نتیجه رسیدیم که بهکارگیری الگوریتم ژنتیک و انتخاب ویژگی در اکثر الگوریتمهای مورد آزمایش، علاوه بر کاهش زمان ساخت مدلباعث افزایش دقت در برخی الگوریتم ها از جمله Naive Bayes می شود.

کلیدواژه ها:

درخت تصمیم ، طبقه بندی کننده ، Naïve Bayes ، الگوریتم ژنتیک ، مشکلات خودمراقبتی دانش آموزان ، طبقه بندی داده ها