مقايسه رگرسيون لوژيستيك با برخي از روش هاي يادگيري ماشين در رده‌بندي داده‌ها

يكي از مسائل مهم در علوم مختلف موضوع رده‌بندي است. رگرسيون لوژيستيك يكي از روش‌هاي آماري براي رده‌بندي داده‌ها است كه در آن توزيع داده‌ها معلوم فرض مي‌شود.محققان امروزه علاوه بر روش‌هاي آماري از روش‌هاي ديگري كه در آن نياز به معلوم بودن توزيع داده‌ها نيست مانند روش‌هاي يادگيري ماشين براي رده‌بندي داده‌ها استفاده مي‌كنند . در اين در اين مقاله علاوه بر رگرسيون لوژيستيك، برخي از الگوريتم هاي يادگيري ماشين شامل CART،تقويت، Bagging جنگل تصادفي در حوزه ي يادگيري با نظارت توضيح داده مي شود. در نهايت با استفاده از ۴ مجموعه داده واقعي و يك مثال شبيه سازي شده كارايي رگرسيون لوژيستيك با الگوريتم‌هاي يادشده بر اساس معيار دقت و حساسيت و صحت مورد مقايسه قرار مي گيرند.