بازسازی توزیع نمونه برای یادگیری مجموعه داده های کوچک

پروژه آماده درس داده کاوی

پروژه آماده درس خوشه بندی

—

بر اساس مقاله: Rebuilding Sample Distributions for Small Dataset Learning

محتویات محصول:

• شبیه سازی در متلب
• راهنمای شبیه سازی در متلب به فرمت ورد در ۷ صفحه

جزییات پروژه

در این پروژه هدف تولید داده های شبیه سازی آموزشی و مجازی برای افزایش میزان داده های آموزشی برای آموزش بهتر کلاسیفایر میباشد. کلاسیفایرهای مورد استفاده در این پروژه شبکه عصبی BPN و رگرسیون بردار پشتیبان یا SVR میباشد. در این حالت چهاد دسته داده آموزشی مورد استفاده قرار میگیرد

• داده اولیه با حجم کوچک: داده آموزشی کم حجم نرمالی که از دسته بندی داده بدست می­آید
• روش Bagging: افزایش داده براساس روش Bagging یا Bootstrap aggregating که در این روش براساس قسمتی از داده مدل خاصی ساخته شده و داده تصادفی براساس مدل ساخته میشود
• روش SMOTE یا Synthetic Minority Over-sampling Technique که براساس نزدیکترین همسایگان اقدام به افزایش حجم داده می­کند
• روش پیشنهادی مقاله: در این روش براساس پیدا کردن تابع های عضویت و تخمین توابع اقدام به تولید داده آموزشی میشود.

پس از افزایش داده آموزشی داده به دو نوع کلاسیفایر BPN و SVR اعمال شده و شبکه آموزش میبیند. پس از آموزش شبکه داده تست به شبکه آموزش داده شده اعمال شده و خطای MAPE محاسبه میشود.