درخت تصمیم گیری decision tree
دسته: کامپیوتر
بازدید: 13 بار
فرمت فایل: doc
حجم فایل: 1286 کیلوبایت
تعداد صفحات فایل: 66
درخت تصمیم گیری یكی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد درخت تصمیم گیری برخلاف شبكه های عصبی به تولید قانون می پردازد یعنی درخت تصمیم گیریپیش بینی خود را در قالب یكسری قوانین توضیح می دهد در حالیكه در شبكه های عصبی تنها پیش بینی بیان می شود و چگونگی آن در خود شبكه پنهان باقی می ماند همچنین در درخت تصمیم گیری بر خلاف شبكه های
قیمت فایل فقط 28,800 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
درخت تصمیم گیری decision tree
داده کاوی: Data mining
کمپانی های زیادی از ابزارهای داده کاوی بهره گرفته اند تا بتوانند داده های حجیم و گسترده را مورد تجزیه و تحلیل قراد داده و روندهای موجود را بیابند. به عنوان نمونه فروشگاه بزرگ وال-مارت یکی از بزرگترین فروشگاههای زنجیره ای اقدام به ایجاد پایگاه عظیمی از داده ها به حجم 24ترابایت (ترلیون بایت)نموده است. با استفاده از این پایگاه وال _مارت قادر است تا بطور همزمان اقدام به گردآوری و تحلیل روند فروش کالا در2900شعبه فروش نماید. شاید جالب توجه باشد که بکمک ابزار هوشمندداده کاوی یا اکتشاف روند داده ها,فروشگاه فوق می تواند اطلاعات کلیه خریدها در سطوح هر بخش از فروشگاه, موجودی کالا درهر قفسه, موجودی انبار, پیش بینی فروش, کاهش یا افزایش قیمت ها, کالاهای مرجوعی توسط مشتریان و...را گردآوری نموده ودر اختیار مدیران فروشگاه, توزیع کنندگان و مشتریان خود قرار می دهد. این فناوری نرم افزاری قدرت مانور بی نظیری برای وال _ مارت ایجاد کرده است تا بتواند کالاهای مناسب را در کوتاهترین زمان به هر یک از فروشگاههای متقاضی برساند.
درخت تصمیم گیری
درخت تصمیم گیری یكی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد. درخت تصمیم گیری برخلاف شبكه های عصبی به تولید قانون می پردازد. یعنی درخت تصمیم گیریپیش بینی خود را در قالب یكسری قوانین توضیح می دهد در حالیكه در شبكه های عصبی تنها پیش بینی بیان می شود و چگونگی آن در خود شبكه پنهان باقی می ماند. همچنین در درخت تصمیم گیری بر خلاف شبكه های عصبی لزومی ندارد كه داده ها لزوما بصورت عددی باشند.
بعضی موارد وجود دارد كه تنها درستی دسته بندی و پیش بینی مهم است و لزوما توضیحی برای پیش بینی انجام شده لازم نمی باشد. بعنوان مثال می توان یك شركت مخابراتی را در نظر گرفت كه می خواهد ببیند كدامیك از مشتریانش به خدمت جدیدی كه ارائه می شود پاسخ مثبت می دهند. برای این شركت درستی پیش بینی مهم است و شاید علت و توضیحی در مورد پیش بینی نیاز نداشته باشد. در حالیكه یك شركت كه قصد بازاریابی و كسب یكسری مشتری جدید دارد علاقه مند است كه بداند كه ویژگیهای مشتریانی كه احتمالا به محصول این شركت پاسخ می دهند چیست. در واقع با اطلاع ازاین ویژگیها این شركت می تواند سراغ افرادی برود كه با احتمال بیشتری به محصول این شركت پاسخ مثبت می دهند. بعبارت دیگر این شركت نیاز به یكسری قانون برای انجام بهتر فعالیت بازاریابی خود دارد. یكی از این قانونها می تواند بصورت زیر باشد
قیمت فایل فقط 28,800 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
برچسب ها : درخت تصمیم گیری decision tree , درخت تصمیم گیری , decision tree , داده کاوی Data mining , 431) درخت تصمیم گیری چگونه كار می كند؟ , شبکه های عصبی Neural networks , , الگوریتم ژنتیک Genetic algorithms , , متد Bayesian , , مدلهای آماری statistical , , درخت تصمیم گیری Decision tree , الگوریتم کلی ایجاد درخت (درخت دودویی) , الگوریتم CART , 433) ارزیابی درخت ایجاد شده , Data
دسته بندی محصولات