لتصنيف البيانات Naïve bayesو LogitBoost تحليل اداء خوارزميات
##plugins.themes.bootstrap3.article.main##
الملخص
التصنيف هو تقنية مهمة لاستخراج البيانات مع تطبيقات واسعة لتحديد الفئات المختلفة من البيانات المستخدمة في كل مجال تقريبًا في حياتنا. يستخدم التصنيف لتسمية الفرد فيما يتعلق بالمجموعات المحددة مسبقًا وفقًا لخصائص الفرد. يلقي هذا البحث الضوء على تقييم الأداء القائم على تحليل تصنيف البيانات (الدقة ، الاسترجاع ، تعتمد خوارزمية تعتمد (LogitBoost و Naïve Bayes(باستخدام خوارزميات التصنيف ( F القياس Adaboost الى اكتشاف ان (LogitBoost( على الاحتمالات وتستند خوارزمية ) Naïve Bayes (يطابق بيانات التدريب بشكل أساسي باستخدام نموذج الانحدار اللوجستي الإضافي. تحدد الورقة، لتقديم تحليلات في سياق مجموعة بيانات تصنيف الوظائف (LogitBoost و Naïve Bayes)مقارنة لمصنفات . كشفت النتائج التجريبية أن (LogitBoost)لديه أعلى نتيجة في (الدقة = 82.73 بالمائة، الاسترجاع = 83.33 بالمائة ، قياس F = 82.31بالمائة) مقارنة بخوارزمية (Naive bayes) لمجموعة البيانات المذكورة أعلاه.
