داده کاوی، آماری؛ ترکیب رگرسیون لجستیک چندگانه با درخت تصمیم

thesis
abstract

داده کاوی یک شیوه نوین برای استخراج اطلاعات در فرایند تصمیم گیری های علمی است و اغلب از روشهای آماری و یادگیری ماشین برای تجزیه و تحلیل داده ها استفاده مینماید. یک رویکرد جدید رد این راستا ترکیب شیوه های آماری و یادگیری ماشین برای کسب اطلاعات بیشتر از استفاده جداگانه هر یک میباشد. در این پایان نامه فرایند داده کاوی رگرسیون لجستیک و درختهای تصمیم معرفی میشوند و با ترکیب cart یکی از الگوریتمهای درختهای تصمیم با رگرسیون لجستیک چندگانه شیوه نوینی برای تحلیل داده های چند رسته ای ارائه میگردد. سپس این روش ابداعی را برای داده های واقعی خط تولید ورق فولاد به کار گرفته که نتایج نشان میدهند تحلیل داده ها کاراتر و حاوی اطلاعات سازنده تر به خصوص برای پاسخهای رسته ای ترتیبی میباشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

داده کاوی با رگرسیون لجستیک

امروزه داده کاوی به عنوان یک ابزار و روش علمی جدید برای بررسی و تحلیل داده ها در پایگاه های بزرگ داده مطرح شده است. با استفاده از تکنیک های این روش می توان حجم وسیعی از داده های خام را به اطلاعات مفید و قابل استفاده تبدیل کرد. داده کاوی تکنیک ها و الگوریتم های متنوع و متفاوتی برای تحلیل داد ه دارد. از این بین می توان به معروفترین آن ها از جمله شبکه های عصبی، درخت تصمیم، رگرسیون لجستیک، قوانین ا...

داده کاوی با درخت تصمیم

داده کاوی به عنوان رشته جدید در جهان رو به افزایش پایگاه های داده بزرگ ظهور پیدا کرده است و به صورت فرایند کشف دانش منجر به همه روش های ممکن برای رسیدن از داده خام به دانش مدیریت شده می شود.‎‎ ‎داده کاوی روش ها و الگوریتم های فراوانی دارد‏، از جمله درخت تصمیم‏، قوانین انجمنی‏، آنالیز خوشه ای که حل مسائل دنیای واقعی را ممکن می سازند.‎‎ یکی‎‎ از الگوریتم های داده کاوی که اغلب مورد استفاده قرار ...

ارزیابی الگوریتم‌های درخت تصمیم، بیز ساده و رگرسیون لجستیک در کشف تقلبات بیمه اتومبیل

  از منظر علوم اقتصادی و با مراجعه به آمار و اطلاعات، تخلفات مالی در صنعت بیمه به‌صورت فزاینده‌ای در حال تبدیل‌شدن به یک مسئله جدی و قابل تأمل است. یکی از روش‌های مناسب جهت ارزیابی و مدل‌سازی تخلفات و تقلبات، تکنیک‌های داده‌کاوی است که می‌تواند نقش مهمی در کشف و پیش‌بینی تقلبات مالی ایفا نماید. این شیوه برای آشکار نمودن حقایق پنهان در ورای حجم انبوهی از داده‌ها بکار گرفته می‌شود. شرکت‌های بیمه...

full text

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مؤلفه‌های اصلی و رگرسیون خطی چندگانه جهت مدل‌سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده‌های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استف...

full text

پیش‌بینی ریسک درماندگی مالی شرکت‌های بورس اوراق بهادار تهران با استفاده از مدل‌های تحلیل عاملی، درخت تصمیم و رگرسیون لجستیک

این پژوهش درصدد است تا با استفاده از مدلهای درخت تصمیم و رگرسیون لجستیک به پیش­بینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بپردازد. برای این منظور 33 نسبت مالی در افق زمانی 5 ساله مورد بررسی قرار گرفته است، از سوی دیگر، جهت کاهش بعد داده ها و یافتن الگوی ارتباط درونی مجموعه متغیر ها، از مدل تحلیل عاملی استفاده شده است و متغیر ها با توجه به میزان ارتباط شان با درماندگی مالی...

full text

پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از درخت تصمیم و رگرسیون لجستیک

  هدف اصلی این مقاله پیش‌بینی ورشکستگی اقتصادی شرکت‌ها در بورس اوراق بهادار تهران با استفاده از درخت تصمیم (CART) و رگرسیون لجستیک است که از تکنیک‌های داده کاوی هستند و می‌توانند به امر پیش‌بینی کمک کنند. نسبت‌های مالی به عنوان متغیرهای مستقل و شرکت‌های سالم و ورشکسته به عنوان متغیر وابسته پژوهش استفاده شده است. جامعه آماری اطلاعات صورت‌های مالی شرکت‌ها در بورس اوراق بهادار تهران طی سال‌های 13...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده علوم ریاضی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023