مقایسه کارایی الگوریتم KNN و CART روی مجموعه داده رادار

مقایسه کارایی الگوریتم KNN و CART روی مجموعه داده رادار

در این ساعت از مطلب دی ال پروژه ای دیگر را برای شما عزیزان آماده کرده ایم تحت عنوان مقایسه کارایی الگوریتم KNN و CART روی مجموعه داده رادار.در ادامه توضیحات مختصری در رابطه با پروژه و همچنین لینک دانلود پروژه آورده شده است.

مقدمه :

در این پروژه با استفاده از مجموعه داده radar، که مجموعه داده ای برای دسته می‌باشد استفاده شده است. که هدف دسته‌بندی این مجموعه داده با استفاده از الگوریتم‌های طبقه‌بند knn و درخت تصمیم می‌باشد. جهت ارزیابی مدل ها نیز از روش ۱۰-fold Cross Validation استفاده شده است.

مجموعه داده مورد استفاده:

مجموعه داده radar  در این پروژه استفاده شده است، این مجموعه داده داده ۳۴ ویژگی می‌باشد، و جهت کلاسه‌بندی‌های دودویی به کار می‌رود. بنابراین دارای دو کلاس خوب (۱) و بد (۱-) می‌باشد. تعداد نمونه‌ها این مجموعه داده برابر ۳۵۱، است.

پیش پردازش داده‌ها :

الف) مجموعه داده رادار داری مقادیر از دست رفته (Missing Vlaue)، نمی‌باشد. اما در صورتی که دارای مقادیر از دست رفته بود، می توانستیم با میانگین گیری به این موارد  مقدار دهی نماییم.

ب) یکی از راه های درک داده‌ها  و شناخت داده ها، بصری سازی داده (Visualization ) داده ‌ها می‌باشد. بصری داده‌ها کمک می‌کند به خوبی داده‌ها را شناخته و بتوان با استفاده از این شناخت الگوریتم‌های مناسب را جهت کلاسه‌بندی انتخاب کرد. یکی از این نمودارها BoxPlot  می‌باشد.(اطلاعات بیشتر در گزارش پروژه به صورت مفصل آورده شده است)

دسته بندی :

الف) دسته‌بندی به روش KNN:

الگوریتم دسته‌بندی K- نزدیکترین همسایه یک الگوریتم دسته‌بندی مبتنی بر نمونه‌، باناظر و از دسته الگوریتم‌های تنبل می‌باشد. اساس کار این الگوریتم مقایسه‌ی میزان شباهت نمونه‌ی جدید با نمونه‌های موجود در دیتاست اولیه (آموزشی) می‌باشد. بنابراین جهت بدست آوردن میزان شباهت دو نمونه از معیار فاصله‌ی دو نمونه استفاده می‌شود که روش های متفاوتی جهت بدست آوردن فاصله بین دونمونه در فضای جست‌وجوی مساله وجود دارد (اطلاعات بیشتر در گزارش پروژه به صورت مفصل آورده شده است)

ب) درخت تصمیم :

درخت کلاسه بندی و رگراسیون (CART) روشی است که از داده‌های قبلی (تاریخی) جهت ساخت درخت تصمیم استفاده می‌کند. سپس از درخت تصمیم تولید شده جهت دسته‌بندی داده‌ی جدید استفاده می‌کند. درخت تصمیم با استفاده از سوالات که نمونه‌ی آموزشی را به قسمت‌های کوچک و کوچک‌تر تبدیل می‌کند نمایش داده می‌شود. درخت CART تنها سوال‌های بلی/خیر را می‌پرسد که یکی از سوال‌های ممکن به صورت مقابل است: ” آیا جنسیت فرد مورد نظر مذکر است؟ “. الگوریتم CART برای همه‌ی متغیرها و مقادیر ممکن جهت پیدا کردن بهترین برش استفاده می‌کند برش (سوالی) که داده‌ها را به دوبخش با بیشترین شباهت تقسیم کند (اطلاعات بیشتر در گزارش پروژه به صورت مفصل آورده شده است)

نتایج به دست آمده :

مقایسه کارایی الگوریتم KNN و CART روی مجموعه داده رادار

مقایسه کارایی الگوریتم KNN و CART روی مجموعه داده رادار

 


قیمت پروژه : ۶۵۰۰۰ تومان

شماره پشتیبانی : ۰۹۳۷۹۸۴۰۱۶۵

 

650,000 ریال – پرداخت آنلاین

حجم : ۱۳۰ کیلوبایت
منبع : مطلب دی ال
رمز فایل : www.matlabdl.com
0 پاسخ

دیدگاه خود را ثبت کنید

آیا می خواهید به بحث بپیوندید؟
در صورت تمایل از راهنمایی رایگان ما استفاده کنید!!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *