1
کارشناسی ارشد آمار ریاضی، دانشگاه رازی، دانشکده علوم، گروه آمار
2
گروه آمار، دانشگاه رازی، دانشکده علوم، کرمانشاه، ایران
چکیده
در عصر حاضر دستهبندی دادهها بهمنظور تشخیص و پیشبینی وقایع، یکی از موضوعات بسیار مهم در علوم مختلف است. در علم آمار دیدگاه سنتی این کلاسبندیها براساس روشهای کلاسیک و بر پایه مدلهای آماری از جمله رگرسیون لژستیک امکان پذیر خواهد بود. در عصر حاضر که بهعبارتی عصر انفجار اطلاعات نامیده میشود، در اکثر موارد با دادههایی مواجه هستیم که نمیتوان توزیع دقیقی را برای آنها یافت؛ از اینرو استفاده از روشهای داده کاوی و یادگیری ماشین که به مدلهای از پیش تعیین شده نیاز ندارند، میتواند مسمر ثمر باشد. در بسیاری از کشورها تشخیص دقیق نوع منابع آبهای زیر زمینی، یکی از مسائل قابل توجه در زمینه علوم آب است. در این مقاله به مقایسه نتایج حاصل از ردهبندی یک مجموعه داده مربوط به منابع آبهای زیرزمینی با استفاده از روشهای رگرسیونی، شبکه عصبی و ماشین بردار پشتیبان پرداختهایم. نتایج از این کلاسبندیها نشان داد که روشهای یادگیری ماشین در تشخیص دقیق نوع چشمهها موثر بوده است.
حیدری گرمیانکی,اکرم و نیاپرست,مهرداد . (1398). مقایسه روشهای رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در ردهبندی منابع آبهای زیر زمینی. اندیشه آماری, 24(2), 15-23.
MLA
حیدری گرمیانکی,اکرم , و نیاپرست,مهرداد . "مقایسه روشهای رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در ردهبندی منابع آبهای زیر زمینی", اندیشه آماری, 24, 2, 1398, 15-23.
HARVARD
حیدری گرمیانکی اکرم, نیاپرست مهرداد. (1398). 'مقایسه روشهای رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در ردهبندی منابع آبهای زیر زمینی', اندیشه آماری, 24(2), pp. 15-23.
CHICAGO
اکرم حیدری گرمیانکی و مهرداد نیاپرست, "مقایسه روشهای رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در ردهبندی منابع آبهای زیر زمینی," اندیشه آماری, 24 2 (1398): 15-23,
VANCOUVER
حیدری گرمیانکی اکرم, نیاپرست مهرداد. مقایسه روشهای رگرسیونی کلاسیک با شبکه عصبی و ماشین بردار پشتیبان در ردهبندی منابع آبهای زیر زمینی. اندیشه آماری, 1398; 24(2): 15-23.
