پيش‌بيني رويدادها با استفاده از رويكرد‌هاي يادگيري ماشين و يادگيري عميق: بررسي و مرور جامع

در اين پژوهش مروري به بررسي و مرور جامع روش‌هاي پيش‌بيني با استفاده از رويكرد‌هاي يادگيري ماشين و يادگيري عميق پرداخته‌ايم. يادگيري ماشين به ما امكان مي‌دهد؛ تا الگوهاي موجود در داده‌ها را شناسايي كرده و آن‌ها را براي پيش‌بيني رويدادها به‌كار ببريم. ما در زمينه‌هاي پيش‌بيني نقص نرم‌افزارهاي سازماني، كيفيت آب آشاميدني، نيروي باد براي توليد برق، انتقالي سربازان و رزمندگان، سلامت روح و روان سربازان و تشخيص ميزان سلامت جسمي كاركنان نظامي بررسي‌هاي خود را انجام داده‌ايم و در اين راستا 17 مقاله پژوهشي و 3 مقاله مروري را جمع آوري و مطالعه كرده‌ايم. بررسي‌هاي ما نشان داد كه اغلب پژوهشگران براي مدل پيش‌بيني پيشنهادي خود روش‌هاي يادگيري ماشين مانند: رگرسيون لجستيك، ماشين بردار پشتيبان، درخت تصميم و جنگل تصادفي را بيشتر از ساير روش‌ها موثر دانستند؛ كه جنگل تصادفي، رگرسيون لجستيك و ماشين بردار پشتيبان به ترتيب بهترين نتيجه را داشته‌اند. علاوه بر اين با مطالعه در اين حوزه دريافتيم كه بيشتر محققان روش‌هاي كاهش داده مانند: انتخاب ويژگي، كاهش ابعاد و استخراج ويژگي را پيش از انجام پيش‌بيني بر روي مجموعه داده‌هاي بزرگ براي افزايش سرعت پاسخگويي مدل پيشنهاد كرده‌اند. در اين راستا آن‌ها رويكردهاي تجزيه و تحليل مولفه اصلي، تجزيه و تحليل تشخيصي خطي، شبكه عصبي عميق را به‌كار گرفته‌اند؛ كه تجزيه و تحليل مولفه اصلي بهترين عملكرد را به خود اختصاص داده است. در اين مقاله، شرح مختصر و جامعي از روش‌هاي مختلف كاهش داده و پيش‌بيني رويدادها با استفاده از روش‌هاي يادگيري ماشين و يادگيري عميق ارائه مي‌شود تا به افزايش دانش در اين حوزه كمك كند.