طبقه بندي: رويكرد جديد يادگيري در مدل رگرسيون لجستك بر مبناي تابع هدف گسسته

اصفهان : دانشگاه صنعتي اصفهان

مهندسي صنايع

كارشناسي ارشد

طبقه¬بندي يكي از شناخته‌شده‌ترين شاخه‌هاي داده‌كاوي است كه به طور گسترده در حوزه‌هاي مختلف بكار گرفته شده است. امروزه طبقه‌بندي داده جايگاه بسيار ويژه‌اي در تصميم¬گيري، تصميم‌سازي و فرايندهاي تشخيص دارد و از آن در بسياري از صنايع و علوم مختلف استفاده مي¬شود. چندين رويكرد طبقه¬بندي مختلف در ادبيات موضوع براي افزايش دقت نتايج توسعه داده شده است. بااين‌حال، تنها تعداد كمي از آنها را مي‌توان به طور مؤثر براي مديريت مجموعه¬هايي استفاده كرد كه شامل مجموعه¬اي بزرگ از داده¬ها مي¬باشند. دليل اصلي، مربوط به زمان محاسباتي و هزينه بالاي چنين طبقه‌بندي‌كننده‌هايي است كه آنها را ناكارآمد مي‌كند. طبقه‌بندي‌كننده‌هاي خطي و آماري، علي‌رغم دقت پايين‌تري كه دارند، به دليل هزينه پايين براي محاسبات و زمان مطلوب، از شناخته‌شده‌ترين طبقه‌بندي‌كننده‌ها براي مجموعه‌داده‌هاي بزرگ هستند. يكي از روش‌هاي طبقه‌بندي كه بسيار در تحقيقات مختلف در ادبيات موضوع به‌صورت منفرد يا تركيبي از آن استفاده شده است روش رگرسيون لجستيك براي داده¬ها و فضاهاي دودويي است. در اين پژوهش، يك روش يادگيري جديد براي افزايش دقت طبقه‌بندي‌كننده‌هاي رگرسيون لجستيك پيشنهاد شده است. روشي كه در اكثر تحقيقات از آن براي آموزش ضرايب تابع رگرسيون لجستيك استفاده مي¬شود روش حداكثر درست‌نمايي است كه بر مبناي تابع هدفي پيوسته‌كار مي‌كند. ما در اين تحقيق براي آموزش ضرايب در تابع رگرسيون لجستيك برخلاف عادت مرسوم تابع هدفي گسسته را ارائه مي¬دهيم. اين روش از مدل‌سازي رياضي عدد صحيح مختلط استفاده كرده و به‌منظور ارزيابي جامع آن از بيست و سه مجموعه‌داده محك براي طبقه‌بندي استفاده مي‌شود و عملكرد آن با طبقه‌بندي‌كننده رگرسيون لجستيك متداول مقايسه مي‌گردد. نتايج تجربي نشان مي‌دهد كه مدل با رويكرد تابع هدف گسسته پيشنهادي به نرخ طبقه‌بندي بالاتري نسبت به مدل رگرسيون لجستيك متداول در تمام مجموعه‌هاي داده دست مي‌يابد. علاوه بر اين، طبقه‌بندي‌كننده پيشنهادي توانست ميانگين نرخ طبقه‌بندي را در بيست و سه مجموعه داده محك 91٫57 درصد به دست آورد كه تقريباً 9 درصد بيشتر از مدل كلاسيك است. مدل كلاسيك ميانگين نرخ طبقه‌بندي را تنها 82٫50 درصد بدست آورد. باتوجه‌به اين موضوع، روش پيشنهادي مي‌تواند جايگزين مناسب و مؤثري براي رويكرد طبقه‌بندي خطي در مجموعه‌داده‌هاي دوگانه باشد. اين موضوع به‌ويژه در شرايطي كه با داده‌هاي بزرگ سروكار داريم بسيار موثر و حائز اهميت است.

224018

بهينه سازي سيستم ها

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان