تاثیر ضریب سیلهوت و روش انتخاب ویژگی ها در طبقه بندی داده های بدون برچسب

در این مقاله شیو های از داده کاوی که در طبقه بندی یادگیری ماشین کاربرد دارد، معرفی می کنیم. هدف اصلی مقاله طبقه بنددی داده های بدون برچسب و با بردن دقت آب می باشد. برای رسیدن به این هدف، داده های بدون برچسب را به کمک ماشین بردار پشتیبان و با استفاده از نامساوی قدر مطلق طبقه بندی می کنیم، برای بالا بردب دقت روش مذکور را با روش های ضری سیلهوت و انتخاب ویژگی ترکی می نماییم. سپس برای روش های معرفی شده، محاسبات عددی در ابعاد مختلف ارایه می دهیم . نتایج عددی با ترکی شیوه فوق با روش سیلهوت و انتخاب ویژگی به طور قابل ملاحظه ای بهبود یافته است. برای مقایسه کارایی روش ترکیبی فوق، از الگوریتم k-means برای مقایسه نیز استفاده می کنیم.

کلیدواژه ها:

طبقه بندی ، نامساوی قدر مطلق ، ماشین بردار پشتیبان یادگیری ماشین ، داده های بدون برچسب