درخت تصمیم داده های نامطمئن (مطالعه ی موردی داده های نامطمئن طرح اطلاعات اقتصادی خانوار)

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.