دسته بندی کننده ها

صفحه 1:
۹9 / ‎ee‏ ان \ ‏۸ ‎RC‏ 1 02 يت سحن مصطفی اعظمی ‏1 5 ل سس 

صفحه 2:
مقدمه Poy A Oe nO eed ee © ‏اصل "نهارآمجانی وجود ندارد"‎ ۳ 0 برایمامی مسائل و درتمامی زمانهبهترین ( ‎Sb‏ ۳( [ ايده: * اگر تعدادی یادگیر پایه داشته باشیم میتوان با تر کیب نتایج آنها به دقت بالاتری رسید. ‎oon See‏ 7 با هم متفاوث باشند: ‎00 ‏ا‎ ere pyc ‏ا ا اا ا الما 010 ‎KOO‏ ‏* نحوه نمایش: استفاده از تعداد متفاوت ویژگی برای هر یادگیر. استفاده از مجموعه داده ‎peyton‏ ‏* مجموعه آموزشى: داده هاى آموزشى يادكيرها اندكى با هم تفاوت داشته باشند. ‎ ‎ 

صفحه 3:
10 perk ‏ا‎ ۱ Ror Bate tcl Til 34h agzg/la aus ۱ en ke Las " Serres ry] ae Crom ABE ‏ا‎ ‎ee pen pert eer Cr ‏ف ریم: نحوه نمایش, پارامترهای‎ 501010000 TS RICA RO eed retort seer ie ‏در عملکرد سیستم وجود داشته باشد. در‎ | pees 7 Oey eer oy EEC Saeed et ory ‏افزايش نمونه كيرى از اين توزيع به نتيجه‎ ‏بهترى برسيم‎ 

صفحه 4:
Simple Majority Voting ‘Wiest examples: 

صفحه 5:
, خصوصیت دسته‌آبندی کنندهتقای پایه / \ 4مناستبی از ترکیب دیشته بندی کننده ها گ الها بايد شترايط زير را ذاشته باشند: * هر یک به تنهائی در حد قابل قبولی دقیق 00000 00 ؟ هر کدام مکمل دیگری عمل کنند. به اين معنا که همگی نباید مشابه هم بوده و نتیجه یکسانی تولید کنند. 

صفحه 6:
۱ Cn ea aa 19 TCT ete Se eT een ot a a ۱ ee ‏مره‎ ٩ ‏ی‎ ‎/ 4 1 ‏یک یادگیر شیف طویلا تخیر داده میشگید تایه دق بالثی برسد.‎ ۰ ee ata | ‏وه سس‎ ٩ ۱ 8 

صفحه 7:
Output ‏زمار‎ Input xp) Combiner 

صفحه 8:
Ensémble Averaging ey 

صفحه 9:
نتیجه گیری در مورد 91۳9 ۳56۲۱۵۱۵۷۸۲6۲3 ی ‎oO‏ باياس سيستم حاصللا مشابه اس هر یک از خبره ها خواهد بود. ‎oe ee Tee) BB rei oe erent) OL i‏ ‎See Ree ieee Nt Benn er Coe |‏ خواهد بود. 

صفحه 10:
a ۳ ۱ ۱ ۳ ( ۰ 4 دراین ال خروجی ۱۰شیکهباهم ‎Individual Experts Used‏ ترکیب شده اند. میانگین 00 / 5616 توانسته به خطلى مورد انتظارى كه كمتر از خطاى/ ‎hee‏ 060 برسد. ‎On wa!‏ ا 0 0 7 ‎Se oe Rene dd‏ © (/اختلاف co 

صفحه 11:
Bagging Vs) 1 اين روش نیز مبتنی بر رای گیْری است با اين تفاوت که یاد گیرهای پایه با داده ‎ep Cone sr Altay‏ لو ده میشوند تا اندکی با هم تفاوت داشته باشند. Cee ec eee SS STON N Eel See he Page) tes Pete eC ev UNC eee 5 ۰ ‏مس وم ای مب تا‎ eiodes | Cee eee Se Rae ee KOR ‏راو راو‎ )( ‏اس رنه ان نی سر جوا‎ مسر ‎aca‏ ۱ 1 

صفحه 12:
breast cancer glass diabetes Error rates on ۲ 1 روش ۳:۸۱( برایالگوریتمهاییادگیر اپادار یعنیالگوریتمهثی که با تغیر دده خرن عملکرد خونى شواهد يت در 

صفحه 13:
6 

صفحه 14:
ae »+—Bagging 

صفحه 15:
Boosting اا ا متفاوت محسوسى ‎waa 500‏ ی را م یکدیگر باشند. \ PCD TOTS NY ANIL EES. WO er ۱ Le ESC EO 3 منظور از یادگیر ضعیف این است که یاد گیر فقط کافی است که یک کمی از حالت تصادفى بهتر عمل كند. (ج < و/ة) 000 ‏ا ل ال‎ FRC a AP ‏ميشود.‎ ا ا ا | 06 

صفحه 16:
۱۱ | | ‏رب‎ meer ewe ree * له 1 Mer Sen enoM ES LT NESE eee od eT erento Se eee ‏ل ا ا‎ eid PIE ‏ا‎ eS Pe ree a ene Soe te ‏ها توسط يك يادكير ضعيف ارزش كذارى شده و به آنها وزن داده ميشود.‎ 6 

صفحه 17:
a -~< Boosting “Onigmal Training set 3 Training set 4 

صفحه 18:
Boosting accuracy Training ۳ ples assification differently © 

صفحه 19:
Boosting 06 

صفحه 20:
AdaBoost (ADAptive #99 ل وض احتمال انتخاب,یک نمُونه * برای قرار گرفتن در مجموعه داده های ‎Pu cnen ete sie‏ موی ‎ean ie)‏ ا ‎[eC‏ ‏میشود: ۱ 0 ‎Cat SC Seat at)‏ 19 ‎Reve ats ene ore tl ia‏ ا ا ‎Pen‏ ‎eMC Ies‏ 0[ | تمامی یادگیرها ضعیف و ساده بوده و باید خطائی کمتر از 22 داشته باشند در غیر اینصورت آموزش متوقف میشود زیرا ادامه آن باعث خواهد شد ‎COT poe‏ ا ل 0 er 

صفحه 21:
Training For all {2° For all ba Randomly draw 4 Train d, using For each (zt,r‘), calculate yt — dj Calculate error rate: «, — >, pf - (yf Ar*) 1/2, then ‏لد‎ > For each If ut Normalize probabilitie: ی یس Testing Given «, calculate d,(x),j =1 Calculate class outpu vem Dy (low) ‏ب‎ 9 

صفحه 22:
eo ‎Te‏ ول ای ‎Learn) ‎ 

صفحه 23:
ه06 

صفحه 24:
۱ eit ۸ 0006 ۳۳ 5 00 ne sre 9 

صفحه 25:
es. 

صفحه 26:


صفحه 27:


صفحه 28:


صفحه 29:


صفحه 30:
Methodology Features Neural Network Class | Cont Dise Hiddens _ Epochs TO 0 690 : 10 35 000 4 0 10 5 9 5 3 10 10 heart-cleveland hepatitis house-votes-84 hy ionosphere krvs-kp labe letter 20000 prom 136 | 936 ribosome-bind | 1877 satellite 

صفحه 31:
90 hepatitis honse-votes-84 ionospher iis kr-vekp Tabor letter promot ribosome-bind satellite ‏مهست‎ 

صفحه 32:


صفحه 33:


صفحه 34:


صفحه 35:
1 & 3 & 5 

صفحه 36:


صفحه 37:


صفحه 38:
و ‎eee |‏ 0070 وپایین آمدن کارائی @ ن كاهش خِظًا با شبكه عصكّى با سايز ‎١8-١ ٠‏ © بيشترين كاهشخطا با درخت تصميّم با سايزه! © مناسب بودن 200 0) روى اكثر مسائل Ree ‏ا‎ AL | 30. 

صفحه 39:
۲ پيشنهادات 4 | استفاده ازالگوریتم سس ۳ / fy ae TSE STE CTCL DN I Sep Seren ree | PT ‏اا‎ ear para لحك 

صفحه 40: