ارائه روش طبقه بندی جدید با استفاده از رویکرد ترکیبی یادگیری ماشین و تصمیم گیری چندمعیاره

از آنجا که در مسایل طبقه بندی به تحلیل انواع وابستگی ها و روابط بازخوردی میان معیارهای یک مسئله کمتر پرداخته شده است و با توجه به قابلیت فرایند تحلیل شبکه ای (ANP) در مدل سازی روابط متقابل بین معیارها، هدف این پژوهش ارایه روشی مبتنی بر ANP برای مسایل طبقه بندی است. محدودیت اساسی ANP، افزایش ناسازگاری قضاوت تصمیم گیرندگان همراه با افزایش ابعاد مسئله است، از این رو به منظور بهینه سازی پارامترهای مسئله و افزایش صحت طبقه بندی، از الگوریتم ژنتیک استفاده خواهد شد.

پژوهش حاضر از نظر هدف، توسعه ای و از نظر روش تحلیل داده ها کمی و از نوع مدل سازی ریاضی است. در این پژوهش، ابتدا مسئله طبقه بندی داده ها با در نظر داشتن روابط متقابل معیارها در قالب روش تصمیم گیری چندمعیاره ANP تبیین شد. در ادامه، مقدار پارامترهای مسیله، شامل وزن معیارها و آستانه های هر کلاس به‎کمک الگوریتم ژنتیک از سوپرماتریس برآورد شد و در نهایت، برای ارزیابی روش پیشنهادی و عملکرد آن، نتیجه با روش های پرکاربرد طبقه بندی مقایسه شد. 

یافته ها: 

نتایج پژوهش های مقایسه ای روی دیتاست های اعتباری با ابعاد مختلف، قابلیت رقابتی بسیار خوب روش پیشنهادی را در مقایسه با روش های شناخته شده یادگیری ماشینی نشان داد.

نتیجه گیری: 

روش های تصمیم گیری چندمعیاره، اغلب برای رتبه بندی استفاده شده اند، این در حالی است که به قابلیت بسیار خوب این روش ها در طبقه بندی داده ها کمتر توجه شده است. فرایند تحلیل شبکه ای در ترکیب با الگوریتم ژنتیک، روشی کارا و مناسب در حوزه طبقه بندی داده ها را به نمایش می گذارد.