ترجمه فارسی مقاله درختان تصمیم بهینه یا حریص؟تجدید نظر در اهداف ، تنظیم و عملکرد آنها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Optimal or Greedy Decision Trees? Revisiting their Objectives, Tuning, and Performance
عنوان مقاله به فارسی درختان تصمیم بهینه یا حریص؟تجدید نظر در اهداف ، تنظیم و عملکرد آنها
نویسندگان Jacobus G. M. van der Linden, Daniël Vos, Mathijs M. de Weerdt, Sicco Verwer, Emir Demirović
فرمت مقاله انگلیسی PDF
تعداد صفحات 49
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 19 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 19 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Decision trees are traditionally trained using greedy heuristics that locally optimize an impurity or information metric. Recently there has been a surge of interest in optimal decision tree (ODT) methods that globally optimize accuracy directly. We identify two relatively unexplored aspects of ODTs: the objective function used in training trees and tuning techniques. Additionally, the value of optimal methods is not well understood yet, as the literature provides conflicting results, with some demonstrating superior out-of-sample performance of ODTs over greedy approaches, while others show the exact opposite. In this paper, we address these three questions: what objective to optimize in ODTs; how to tune ODTs; and how do optimal and greedy methods compare? Our experimental evaluation examines 13 objective functions, including four novel objectives resulting from our analysis, seven tuning methods, and six claims from the literature on optimal and greedy methods on 165 real and synthetic data sets. Through our analysis, both conceptually and experimentally, we discover new non-concave objectives, highlight the importance of proper tuning, support and refute several claims from the literature, and provide clear recommendations for researchers and practitioners on the usage of greedy and optimal methods, and code for future comparisons.

چکیده به فارسی (ترجمه ماشینی)

درختان تصمیم گیری به طور سنتی با استفاده از اکتشافی حریص آموزش می یابند که بصورت محلی ناخالصی یا متریک اطلاعات را بهینه می کنند.اخیراً به روشهای بهینه تصمیم گیری درختی (ODT) علاقه زیادی وجود داشته است که در سطح جهان دقت را مستقیماً بهینه می کند.ما دو جنبه نسبتاً ناشناخته از ODT ها را شناسایی می کنیم: عملکرد هدف مورد استفاده در آموزش درختان و تکنیک های تنظیم.علاوه بر این ، مقدار روشهای بهینه هنوز به خوبی درک نشده است ، زیرا ادبیات نتایج متناقضی را ارائه می دهد ، و برخی از آنها عملکرد برتر خارج از نمونه ODT را نسبت به رویکردهای حریص نشان می دهند ، در حالی که برخی دیگر برعکس را نشان می دهند.در این مقاله ، ما به این سه سؤال می پردازیم: چه عینی برای بهینه سازی در ODTS ؛نحوه تنظیم ODTS ؛و روشهای بهینه و حریص چگونه مقایسه می شوند؟ارزیابی تجربی ما 13 عملکرد عینی را بررسی می کند ، از جمله چهار هدف جدید ناشی از تجزیه و تحلیل ما ، هفت روش تنظیم و شش ادعای ادبیات در مورد روشهای بهینه و حریص در 165 مجموعه داده واقعی و مصنوعی.از طریق تجزیه و تحلیل ما ، چه از نظر مفهومی و هم از نظر تجربی ، ما اهداف جدید غیر کنفرانس را کشف می کنیم ، اهمیت تنظیم مناسب ، پشتیبانی و رد ادعاهای مختلف از ادبیات را برجسته می کنیم و توصیه های روشنی را برای محققان و پزشکان در مورد استفاده از روشهای حریص و بهینه ارائه می دهیم.و کد برای مقایسه های آینده.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.