یادگیری ماشینی درخت طبقه بندی در داده کاوی بصورت بلادرنگ

این مقاله یک طبقه بندی کننده جدید ارائه میدهد که از الگوریتم مبتنی بر نزدیک ترین فاصله مجاور الگوی درخت طبقه بندی ترکیب شده است الگوی نزدیک ترین همساه به عنوان الگوریتم پیش پردازش استفاده می شود تا یک پایگاه داده ای آموزش اصلاح شده برای یادگیری بعدی ساختار درخت طبقه بندی به دست آید. هنگامی که نمونه های فرعی مختلف، دارای مجموعه می باشد جای یکسانی برای القای درختان طبقه بندی استفاده می گردد. ساختار طبقه بندی کننده های داخلی خیلی متفاوت است پایداری ساختار درخت در تعدادی زمینه ها نظیر تشخیص بیماری، آشکارسازی کلاه برداری در زمینه های متفاوت آنالیز رفتار مشتری وغیره از اهمیت اصلی برخوردار است که دراین جا ادراک پذیری طبقه کننده لازم و ضروری است.

کلیدواژه ها:

یادگیری ماشین ، طبقه بندی نظارت شده ، ترکیب طبقه بندی کننده ، الگوریتم بلادرنگ