دانلود مبانی نظری متدهای یادگیری تجمعی و رندوم فارست
دانلود مبانی نظری متدهای یادگیری تجمعی و رندوم فارست
فرمت قابل ویرایش ورد word
تعداد صفحات: ۱۷ صفحه
خلاصه ای از فایل
مقدمه
پیشبینی دقیق وضعیت ترافیکی، امری لازم و تأثیرگذار در مدیریت مؤثر سیستمهای حملونقل هوشمند به حساب میآید. از آنجا که دادههای ترافیکی معمولاً دادههایی با حجم بالا هستند، تکنیکهای کاربردی و جدیدی را برای پردازش نیاز دارند. داده کاوی بعنوان یک شاخه از علم کامپیوتر اخیراً توجه زیادی را به خود جلب کرده است که در نتیجهی اعمال آن، آنالیز و پردازش پایگاه داده[۱] های بزرگ فراهم میشود. در واقع متدهای داده کاوی معمولاً با هدف استخراج دانش[۲] و ساخت مدل از دادههای حجیم بکار گرفته میشوند[۲۴]. از میان روشهای گوناگون داده کاوی، تمرکز تعداد قابل توجهی از تحقیقات به روی یادگیری یادگیری تجمعی [۳] ، درختهای تصمیمگیری و بطور ویژه رندوم فارست[۴] میباشد که در ادامه توضیح داده خواهند شد[۲۵].
فهرست
۱-۳-۱٫مراحل توسعهی رندوم فارست ۸
۱-۳-۲٫تئوریهای مرتبط با رندوم فارست۱۱
۱-۳-۳٫رندوم فارست برای رگرسیون ۱۴
۱-۳-۴٫مزایا و کاربردهای رندوم فارست ۱۴
دیدگاه ها