1
دانشگاه آزاد اسلامی واحد دولتآباد، گروه کامپیوتر، اصفهان، ایران
2
استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد دولت آباد، اصفهان، ایران
چکیده
امروزه پژوهشگران برای داده‌کاوی ، با دو نوع داده، مواجه هستند: 1- داده‌های متوازن 2- داده‌های نامتوازن . چالش اصلی، در داده‌کاوی داده‌های نامتوازن است. از طرفی، یکی از روش‌های داده‌کاوی، رده‌بندی است. برای رده‌بندی داده‌های نامتوازن با چالش‌هایی مانند: استخراج مدل جانبدارانۀ متمایل به داده‌های آموزشی، رده‌بندی اشتباه رده اقلیت ، صرفه‌نظر کردن از داده‌های مهم ردۀ اقلیت و بیش‌پوشش مواجه هستیم؛ از این رو از روش‌های مرسوم و معمول نمی‌توان برای رده‌بندی این نوع داده‌ها استفاده کرد. در این تحقیق، سعی شده است رده‌بندی داده‌های نامتوازن با الگوریتم جنگل تصادفی را با استفاده از روش شبکه‌های عصبی–مرحلۀی انفیس ، بهبود بخشیده و معیارهای مختلف برای ارزیابی این روش، سنجیده شود.
مهدوی نیا, هادی, & ربیعی, اعظم. (1397). بهبود رده بندی داده های نامتوازن در الگوریتم جنگل تصادفی با استفاده از شبکه های عصبی- مرحله. علوم رایانشی, 3(1), 29-38.
MLA
هادی مهدوی نیا; اعظم ربیعی. "بهبود رده بندی داده های نامتوازن در الگوریتم جنگل تصادفی با استفاده از شبکه های عصبی- مرحله". علوم رایانشی, 3, 1, 1397, 29-38.
HARVARD
مهدوی نیا, هادی, ربیعی, اعظم. (1397). 'بهبود رده بندی داده های نامتوازن در الگوریتم جنگل تصادفی با استفاده از شبکه های عصبی- مرحله', علوم رایانشی, 3(1), pp. 29-38.
VANCOUVER
مهدوی نیا, هادی, ربیعی, اعظم. بهبود رده بندی داده های نامتوازن در الگوریتم جنگل تصادفی با استفاده از شبکه های عصبی- مرحله. علوم رایانشی, 1397; 3(1): 29-38.
)