پروژه طبقه بندی داده های Iris با استفاده از روش بوستینگ(Boosting) در رپیدماینر

توضیحات تکمیلی پروژه :

پروژه طبقه بندی داده های Iris که با نرم افزار داده کاوی رپیدماینر مدلسازی شده است از ترکیب الگوریتم های یاد گیری ماشین شبکه عصبی(Neural Network)، درخت تصمیم و ماشین بردار پشتیبان در قالب سیستم بوستینگ تشکیل شده است. بطور کلی استراتژی روش مطرح شده جهت طبقه بندی داده های Iris بدین صورت است که ابتدا دیتاست مربوط به داده های Iris را بعنوان ورودی دریافت می کند. سپس فرآیند پیش پردازش برروی کلیه داده ها صورت می پذیرد. پس از اعمال پیش پردازش بر روی داده، Miss Value از داده های داده های Iris از بین می روند. سپس داده های آموزشی معادل80% از نمونه ها برای آموزش مدل های موجود در سیستم بوستینگ تفکیک می گردد. 20% از نمونه های موجود نیز برای آزمایش و ارزیابی میزان درستی عملکرد الگوریتم های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان در قالب بوستینگ تفکیک می شوند. در نهایت نیز نمونه های آموزشی به سیستم بوستینگ وارد می شود. سیستم بوستینگ استفاده شده، داده های آموزشی را به صورت جداگانه بعنوان ورودی جهت آموزش مدل به الگوریتم های یادگیری ماشین اعم از شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان که در سیستم بوستینگ با هم ترکیب شده اند، اعمال می نماید. الگوریتم های یاد گیری ماشین ذکر شده از داده های آموزشی دریافت شده بعنوان ورودی جهت تولید مدل های مربوط استفاده می نمایند.

امکانات پروژه :

برخی از مهمترین امکانات پروژه طبقه بندی داده های Iris با رپیدماینر عبارتند از:

- امکان دانلود داده ها و سورس پروژه پس از خرید پروژه

- امکان تحویل دیتاست استفاده شده به صورت مجزا

- امکان دانلود داکیومنت تکمیلی هم به صورت Word و هم به صورت PDF

• پروژه های مرتبط
• آموزش تصویری پروژه
• درخواست پروژه مشابه