ارائه روش طبقه‌بندی جدید با استفاده از رویکرد ترکیبی یادگیری ماشین و تصمیم‌گیری چندمعیاره

هدف: از آنجا که در مسائل طبقه‌بندی به تحلیل انواع وابستگی‌ها و روابط بازخوردی میان معیارهای یک مسئله کمتر پرداخته شده است و با توجه به قابلیت فرایند تحلیل شبکه‌ای (ANP) در مدل‌سازی روابط متقابل بین معیارها، هدف این پژوهش ارائه روشی مبتنی بر ANP برای مسائل طبقه‌بندی است. محدودیت اساسی ANP، افزایش ناسازگاری قضاوت تصمیم‌گیرندگان همراه با افزایش ابعاد مسئله است، از این رو به‌منظور بهینه‌سازی پارامترهای مسئله و افزایش صحت طبقه‌بندی، از الگوریتم ژنتیک استفاده خواهد شد. روش: پژوهش حاضر از نظر هدف، توسعه‌ای و از نظر روش تحلیل داده‌ها کمّی و از نوع مدل‌سازی ریاضی است. در این پژوهش، ابتدا مسئله طبقه‌بندی داده‌ها با در نظر داشتن روابط متقابل معیارها در قالب روش تصمیم‌گیری چندمعیاره ANP تبیین شد. در ادامه، مقدار پارامترهای مسئله، شامل وزن معیارها و آستانه‌های هر کلاس به‎کمک الگوریتم ژنتیک از سوپرماتریس برآورد شد و در نهایت، برای ارزیابی روش پیشنهادی و عملکرد آن، نتیجه با روش‌های پرکاربرد طبقه‌بندی مقایسه شد. یافته‌ها: نتایج پژوهش‌های مقایسه‌ای روی دیتاست‌های اعتباری با ابعاد مختلف، قابلیت رقابتی بسیار خوب روش پیشنهادی را در مقایسه با روش‌های شناخته‌شده یادگیری ماشینی نشان داد. نتیجه‌گیری: روش‌های تصمیم‌گیری چندمعیاره، اغلب برای رتبه‌بندی استفاده شده‌اند، این در حالی است که به قابلیت بسیار خوب این روش‌ها در طبقه‌بندی داده‌ها کمتر توجه شده است. فرایند تحلیل شبکه‌ای در ترکیب با الگوریتم ژنتیک، روشی کارا و مناسب در حوزه طبقه‌بندی داده‌ها را به نمایش می‌گذارد.