Abstract:
درخت تصمیم یکی از تکنیک های بسیار رایج در طبقه بندی داده ها است. در این مقاله درخت تصمیم داده های نامطمئن مورد بررسی قرار گرفته است. از عواملی که سبب عدم اطمینان در داده ها می شوند می توان به محدودیت در دقت اندازه گیری، منابع قدیمی، اظهار نشدن اطلاعات و مسائلی که در انتقال داده ها بوجود می آید اشاره نمود. در داده های نامطمئن، مقدار داده با یک مقدار مشخص، نشان داده نمی شود و با چند مقدار به شکل توزیع احتمالی نشان داده می شود. داده های طرح اطلاعات اقتصادی خانوار نیز به دلیل کم گویی یا نبود برخی از داده ها، در دسته ی داده های نامطمئن قرار می گیرند، بنابراین لازم است که از الگوریتمی استفاده شود که بتواند با داده های نامطمئن کار کرده و با دقت قابل قبولی طبقه بندی داده ها را انجام دهد. در این مقاله، الگوریتم درخت تصمیم نامطمئن پیشین تعمیم داده شده است. این الگوریتم از روش های پیش بینی مثل نرخ بهره و آنتروپی و همچنین داده های نامطمئن بازه ای استفاده می کند و توانسته است با استفاده از توابع چگالی احتمال متفاوت سبب کاهش اثر داده های نامتوازن در خروجی الگوریتم شود. این الگوریتم برای هر دو مجموعه داده های مطمئن و نامطمئن کار می کند و نتایج این مقاله نشان می دهد که الگوریتم پیشنهادی، دقت پیش بینی رضایت بخشی دارد. ساخت درخت تصمیم داده های نامطمئن، حجم پردازش بیش تری را در پردازنده نسبت به ساخت درخت روی داده های مطمئن اشغال می کند، بنابراین در الگوریتم پیشنهادی از تکنیک ماکسیمم سطح استفاده می شود که مصرف پردازنده را بهینه خواهد کرد.
Decision Tree is one of the widely used data classification techniques. This paper proposes uncertain decision tree classification method. Lots of Factors causes Value uncertainty including measurements precision limitation، outdated sources، lack of information، and transmission problems. With uncertainty، the value of a data item is often represented not only by one single value، but also by multiple values forming a probability distribution.
Data of family economical information plan survey are uncertain because of reticence and lack of data. We need to have appropriate algorithm to work with uncertain data with satisfactory accuracy. In this paper، we upgrade the traditional uncertain decision tree algorithm، using entropy and information gain، and extend measures، including the uncertain data interval and probability distribution function which help in reducing the demanding effects of imbalance data on the output of algorithm. Our algorithm can handle both certain and uncertain datasets. This paper indicates that، the proposed algorithm has satisfactory prediction accuracy.
Uncertain Decision tree construction on data use much more CPU than that for certain data. To tackle this problem، we propose a max level technique that can greatly improve construction efficiency.