Yazar
Ersoy, Elif, Albey, Erinç, Kayış, Enis
Basım Tarihi
2020
Basım Yeri
-
SciTePress
Konu
Karar ağacı, Sezgisel, Genetik algoritma, Metasezgisel
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-989758440-4
Kayıt Numarası
d6cd0189-056a-480f-9275-5300a53d1904
Lokasyon
Endüstri Mühendisliği
Tarih
2020
Örnek Metin
Karar ağaçları, uygulama kolaylığı ve yorumunun basit olması nedeniyle en popüler sınıflandırma yöntemleri arasında yer almaktadır. CART (sınıflandırma ve regresyon ağacı), ID4, C4.5 gibi geleneksel yöntemlerde; ağaçlar miyop, açgözlü yukarıdan aşağıya tümevarım stratejisiyle inşa edilmiştir. Bu stratejide, ağaçtaki her bir bölünme belirlenirken gelecekte meydana gelecek bölünmelerin olası etkisi dikkate alınmaz. Bu nedenle oluşturulan ağaç sınıflandırma problemine en uygun çözüm olamaz. Bu yazıda karar ağaçlarının doğruluğunu arttırmak için gerçek kromozom yapısına sahip bir genetik algoritma öneriyoruz. Ayrıca, azaltılmış problem örnekleri için oluşturulmuş geleneksel, açgözlü ağaç oluşturma algoritmalarından rastgele oluşturulmuş çözümler ve çözümlerin bir karışımını dikkate alarak başlangıç popülasyonunun seçimini de ele alıyoruz. Önerilen genetik algoritmanın performansı, farklı veri kümeleri, ortaya çıkan ağaçların derinliğine göre değişen sınırlar ve bahsedilen çeşitler içindeki farklı başlangıç popülasyon karışımları kullanılarak test edilmiştir. Sonuçlar, önerilen genetik algoritmanın performansının, analizde kullanılan hemen hemen tüm veri setlerinde CART'tan üstün olduğunu ortaya koymaktadır.
Editör
Hammoudi, S., Quix, C., Bernardino, J.
