دانلود پاورپوینت استدلال مبتنی بر حافظه با فرمت pptx و قابل ویرایش در ۲۶ اسلاید
قسمتی از متن پاورپوینت استدلال مبتنی بر حافظه
تکنیک های نزدیک ترین همسایه
تکنیکهای نزدیک ترین همسایه بر اساس مفهوم، تشابه شکل گرفته اند
استدلال مبتنی بر حافظه (MBR)
vاستدلال مبتنی بر حافظه یکی از تکنیک های قدرتمند داده کاوی به شمار می رود که می توان از آن در حل مسائل گوناگون داده کاوی که مربوط به طبقه بندی یا تخمین زدن می باشد ، استفاده نمود .
v(استدلال مبتنی بر حافظه توانایی انسان در استدلال بر اساس تجربه، به توانایی او در شناخت و درک نمونه هایی مناسب که مربوط به گذشته است بستگی دارد.)
مثال :
پزشکی که یک بیماری را تشخیص می دهد. تحلیل گری که گزارش های بیمه تقلبی را شناسایی می کند. قارچ شناس که به دنبال نوع خاص از قارچ می گردد.
کاربردهای MBR
- تشخیص تقلب: موارد جدید تقلب احتمالاً شبیه به موارد شناخته شده قبلی می باشد.
- پیش بینی پاسخ گویی مشتری: مشترهای جدیدی که قرار است به یک پیشنهاد پاسخ دهند. احتمالاً دارای رفتاری مشابه با مشتریانی هستند که قبلاً پاسخ داده اند.
- درمان پزشکی: بهترین درمان برای یک بیمار احتمالاً همان درمانی است که بهترین نتایج را برای بیماران مشابه به همراه داشته است.
- طبقه بندی پاسخ ها: پاسخ هایی که متن- آزاد هستند، مانند شکایاتی که از طرف مشتری ها ارائه می شود را می بایست در قالب مجموعه ای شخص و ثابت از کدها طبقه بندی کرد. می تواند پاسخ های متن- آزاد را پردازش کرده و کدهای مناسب را تخصیص دهد.
نقاط قوت MBR
- یکی از نقاط قوت MBR، توانایی آن در استفاده از داده ها به همان شکلی که هستند می باشد.
- یکی دیگر از نقاط قوت MBR، توانایی آن در سازگاری است.
مشکلات استفاده از MBR
به طور کلی در هنگام استفاده از MBR با انتخاب های مختلفی روبرو هستیم.
1- انتخاب یک مجموعه آموزشی مناسب
2- انتخاب موثرترین روش برای ارائه رکوردهای آموزشی
3- انتخاب تابع فاصله، تابع ترکیب و تعداد همسایه ها
مجموعه آموزش مناسب
v- به نظر می رسد انتخاب یک مجموعه آموزشی مناسب، مهم ترین مرحله در MBR باشد.
vمجموعه آموزشی، مجموعه ای از رکوردهای تاریخی میباشد. مجموعه آموزشی می بایست جمعیت را به خوبی پوشش دهد تا نزدیک ترین همسایه های یک رکورد نامعلوم به منظور اینجاد پیش بینی های مختلف مفید واقع شوند.
ارائه رکوردهای آموزشی
- روش دیگری که برای بهبود کارایی MBR می توان به کار بست ، کاستن از تعداد رکوردها در مجموعه آموزشی میباشد.
دیدگاه خود را ثبت کنید