ارائه روشي نوين با استفاده از مدل تحليل پوششي داده ها و آنتروپي براي انتخاب خصيصه در داده كاوي

در سالهاي اخير با انفجار حجم داده ها استفاده از ابزارهاي نوين در تحليل داده ها نيز افزايش چشمگيري يافته است. يكي از پركاربردترين اين ابزارها داده كاوي است. الگوريتم هاي اصلي داده كاوي به 4 دسته انتخاب خصيصه، طبقه بندي، خوشه بندي وقوانين تجمعي تقسيم مي شوند. يكي از اين وظائف انتخاب خصيصه است. در انتخاب خصيصه الگوريتم به دنبال يافتن مهمترين خصيصه ها براي پيش بيني برچسب(كلاس) داده ها است. الگوريتم هاي متنوعي براي انتخاب خصيصه وجود دارد ما در اين مقاله با رويكردي نوين و با استفاده از تكنيكهاي تصميم گيري چند معياره از جمله آنتروپي و مدل تحليل پوششي داده ها به ارائه مدلياقدام نموده ايم و با مقايسه با i i ابتكاري در انتخاب خصيصه پرداخته ايم و با ايجاد آزمايشي مناسب به آزمايش 6 پايگاه داده واقعي ديگر روشهاي رايج انتخاب خصيصه به آزمايش الگوريتم پيشنهادي پرداخته ايم. نتايج حاكي از دقت بالاتر روش پيشنهادي در مقايسه با ساير الگوريتم هاي موجود است كه نشان مي دهد با استفاده از تكنيكهاي تصميم گيري چندمعياره علاوه بر آنكه مي توان دقت داده كاوي را افزايش داد، مي توان شاخه جديدي نيز در الگوريتم ها ايجاد كرد