پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 195 کیلوبایت 
تعداد صفحات فایل: 158 

هدف از این پایان نامه ارائه تبلیغ اینترنتی به مشتری با استفاده از تکنیک های داده کاوی بر حسب علایق و سلیقه او می باشد

قیمت فایل فقط 145,000 تومان

دانلود پایان نامه کارشناسی ارشد رشته فناوری اطلاعات

پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی1 می باشد.با استفاده از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

فهرست مطالب:

فصل اول: مقدمه و کلیات تحقیق

  1-1: مقدمه .......................................................................................................... 2

  1-2: بیان مسئله .................................................................................................. 3

 1-3: هدف تحقیق ................................................................................................ 4

1-4: اهمیت تحقیق ............................................................................................... 6

1-5: ساختار تحقیق .............................................................................................. 7

فصل دوم: پیشینه  و مفاهیم تحقیق

2-1: مبانی نظری................................................................................................... 10  

2-1-1: مدیریت ارتباط با مشتری................................................................ 10

2-1-1-1: تعریف مدیریت ارتباط با مشتری ................................................... 10

2-1-1-2: تبلیغات اینترنتی ..................................................................... 13

2-1-2: داده کاوی ................................................................................................ 15

2-1-2-1: تعریف داده کاوی ................................................................................. 15

2-1-2-2: خوشه بندی ........................................................................................ 18

2-1-2-3: قوانین وابستگی ................................................................................. 25

2-1-3: شیوه تاخر، تناوب و مالی ......................................................................... 31

2-2: پیشینه تحقیقاتی ...................................................................................... 33

فصل سوم: روش شناسی تحقیق

3-1: مقدمه ......................................................................................................... 40

3-2: اطلاعات مجموعه داده ها و آماده سازی داده ................................................ 42

3-3: تعیین ارزش مشتری ................................................................................... 44

3-4: استفاده از تکنیک های داده کاوی ............................................................... 48

3-5: رهیافتی برای شخصی سازی تبلیغات .......................................................... 56

3-6: روش ارزیابی ............................................................................................. 59

فصل چهارم : محاسبات و یافته های تحقیق

4-1 : پایگاه داده هدف ........................................................................................ 62

4-2 : آماده سازی مجموعه داده .......................................................................... 63

4-3 : استخراج اطلاعات جهت تعیین معیارهای RFM .......................................... 78

4-4 : داده کاوی ................................................................................................. 82

4-5 : ارائه تبلیغات مناسب به مشتری ................................................................. 117

4-6 : ارزیابی مدل .............................................................................................. 119

فصل پنجم : نتیجه گیری و کار آینده

5-1 : نتیجه گیری .............................................................................................. 126

5-2 : پیشنهادها و کار آینده ............................................................................. 128

منابع ................................................................................................................ 131

فهرست شکل ها:

شکل 3-1 : فرایند شخصی سازی تبلیغات توسط داده کاوی ................................................... 41

شکل 3-2 : قالب کاری سیستم ارائه تبلیغ در سایت .................................................................. 58 

شکل 4-1 : قالب داده های مربوط به خوشه شماره یک در WEKA ..................................... 107

شکل 4-2 : قالب داده های مربوط به خوشه شماره دو در WEKA ....................................... 110 

شکل 4-3 : قالب داده های مربوط به خوشه شماره سه در WEKA ...................................... 114 

فهرست جدول ها:

جدول 2-1 : مثال تراکنش های خرید ........................................................................................... 26

جدول 2-2 : مثال معیاردهی RFM ............................................................................................... 33

جدول 3-1 : مشخصات کالاهای موجود ........................................................................................ 43 

جدول 3-2 : ارزش گذاری معیار Recency ................................................................................ 46 

جدول 3-3 : ارزش گذاری معیار Monetary ............................................................................ 47

جدول 3-4 : مثال نحوه تخصیص RFM ........................................................................................ 48

جدول 4-1 : رکوردهای خرید مشتریان .......................................................................................... 63

جدول 4-2 : تخصیص مقادیر RFM ............................................................................................... 79

جدول 4-3 : شماره خوشه مشتریان در K-means ................................................................... 83

جدول 4-4 : رکوردهای خرید مشتریان پس از ویرایش .............................................................. 92

جدول 4-5 : نتایج پیشنهادها و عرضه تبلیغات کالاها به مشتریان ........................................... 120   

قیمت فایل فقط 145,000 تومان

برچسب ها : پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی , شخصی سازی تبلیغات الکترونیکی ,شخصی سازی تبلیغات شرکتها , شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , مدلی برای شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , شخصی سازی تبلیغات الکترونیکی با داده کاوی , پایان نامه شخصی سازی تبلیغات الکترونیکی ,دانلود پایان نامه ارشد داده کاوی , دانلود پایان نامه داده کاوی

پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی

دسته: رشته فناوری اطلاعات (IT) 
بازدید: 1 بار 
فرمت فایل: doc 
حجم فایل: 1305 کیلوبایت 
تعداد صفحات فایل: 114 

هدف از این پایان‌نامه پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی در شرکت سهامی بیمه ایران می باشد

قیمت فایل فقط 85,000 تومان

دانلود پایان‌نامه کارشناسی ارشد مهندسی فناوری اطلاعات

پیشنهاد چارچوبی جهت تشخیص علل تاثیرگذار و درصد تاثیر آنها در سود و زیان بیمه با داده کاوی

(مطالعه موردی: شرکت سهامی بیمه ایران)

چکیده

بررسی اطلاعات بیمه های اتومبیل نشان داده عواملی چون نوع استفاده خودرو، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، مبلغ حق بیمه، میزان تعهدات بیمه نامه، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه، تاخیردرتمدید بیمه نامه، در سود و زیان شرکت های بیمه تاثیر داشته اند.

هدف این پایان نامه شناخت عوامل اثرگذار و ضریب تاثیر آنها در سود و زیان بیمه شخص ثالث خودرو شرکت های بیمه با استفاده از روش داده کاوی و  سپس انتخاب الگوریتمی که بهترین میزان دقت پیش بینی برای تشخیص این عوامل را داشته اند می باشد.نتیجه حاصل از این پژوهش نشان می دهد که روشهای داده کاوی با استفاده از الگوریتم های دسته بندی با دقت بالای 91% و الگوریتم های درخت تصمیم با دقت بالای 96% و الگوریتم های خوشه بندی با ایجاد خوشه های قابل قبول  قادر به ارائه مدلی برای تشخیص عوامل اثرگذار و تعیین میزان اثر آنها در سود و زیان بیمه نامه شخص ثالث خودرو خواهند بود. 

کلیدواژگان:

داده کاوی

سود و زیان

بیمه شخص ثالث خودرو

مقدمه 

شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو  روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد. از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه  منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006]. 

عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند. بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی  و کاهش فقر ناشی از مخاطرات »، حائز  جایگاه مهمی در پیشرفت و تعالی یک کشور است. 

با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی  کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد. امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از  داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند. داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است. 

فهرست مطالب

فصل اول:  کلیات

1-1 تعریف داده کاوی 3

1-2 تعریف بیمه 4

1-3 هدف پایان نامه 4

1-4 مراحل انجام تحقیق 4

1-5 ساختار پایان نامه 5

فصل دوم: ادبیات موضوع و تحقیقات پیشین

2-1 داده کاوی و یادگیری ماشین 7

2-2 ابزارها و تکنیک های داده کاوی 8

2-3 روشهای داده کاوی 9

2-3-1 روشهای توصیف داده ها 10

2-3-2 روشهای تجزیه و تحلیل وابستگی  10

2-3-3 روشهای دسته بندی و پیشگویی 10

2-3-4 درخت تصمیم 11

2-3-5 شبکه عصبی 12

2-3-6 استدلال مبتنی بر حافظه 12

2-3-7 ماشین های بردار پشتیبانی 13

2-3-8 روشهای خوشه بندی  13

2-3-9 روش K-Means 13

2-3-10 شبکه کوهنن 14

2-3-11 روش  دو گام 14

2-3-12 روشهای تجزیه و تحلیل نویز 14

2-4 دسته های نامتعادل]صنیعی آباده 1391[. 15

2-4-1 راهکار مبتنی بر معیار 15

2-4-2 راهکار مبتنی بر نمونه برداری 15

2-5 پیشینه تحقیق 16

2-6 خلاصه فصل 19

فصل سوم: شرح پژوهش

3-1 انتخاب نرم افزار 21

3-1-1 Rapidminer 21

3-1-2 مقایسه RapidMiner   با سایر نرم افزار های مشابه 21

3-2 داده ها 25

3-2-1 انتخاب داده 25

3-2-2 فیلدهای مجموعه داده صدور 25

3-2-3 کاهش ابعاد 25

3-2-4 فیلدهای مجموعه داده خسارت 29

3-2-5 پاکسازی داده ها 29

3-2-6 رسیدگی به داده های از دست رفته 29

3-2-7 کشف داده دور افتاده 30

3-2-8 انبوهش داده 32

3-2-9 ایجاد ویژگی دسته 32

3-2-10 تبدیل داده 32

3-2-11 انتقال داده به محیط داده کاوی 32

3-2-12 انواع داده تعیین شده 33

3-2-13 عملیات انتخاب ویژگیهای موثرتر 34

3-3 نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی 34

3-4 ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگی 36

3-5 معیارهای ارزیابی الگوریتمهای دسته بندی 37

3-6 ماتریس درهم ریختگی 37

3-7 معیار AUC 38

3-8 روشهای ارزیابی الگوریتم های دسته بندی 39

3-8-1 روش Holdout 39

3-8-2 روش Random Subsampling 39

3-8-3 روش Cross-Validation 40

3-8-4 روش Bootstrap 40

3-9 الگوریتمهای دسته بندی 41

3-9-1 الگوریتم KNN 42

3-9-2 الگوریتم Naïve Bayes 42

3-9-3 الگوریتم Neural Network 43

3-9-4 الگوریتم   SVM   خطی 45

3-9-5 الگوریتم   رگرسیون لجستیک 46

3-9-6 الگوریتم  Meta Decision Tree 47

3-9-7 الگوریتم درخت Wj48 49

3-9-8 الگوریتم درخت Random forest 51

3-10 معیارهای ارزیابی الگوریتم های مبتنی بر قانون(کشف قوانین انجمنی) 54

3-10-1 الگوریتم FPgrowth 55

3-10-2 الگوریتم Weka Apriori 55

3-11 معیارهای ارزیابی الگوریتمهای خوشه بندی 55

3-12 الگوریتم های خوشه بندی 57

3-12-1 الگوریتم K-Means 57

3-12-2 الگوریتم Kohonen 60

3-12-3 الگوریتم دوگامی 64

فصل چهارم: ارزیابی و نتیجه گیری

4-1 مقایسه نتایج 69

4-2 الگوریتمهای دسته بندی 69

4-3 الگوریتم های دسته بندی درخت تصمیم 70

4-4 الگوریتم های خوشه بندی 79

4-5 الگوریتم های قواعد تلازمی(مبتنی بر قانون) 81

4-6 پیشنهادات به شرکت های بیمه 81

4-7 پیشنهادات جهت ادامه کار 83

منابع و مأخذ

فهرست منابع فارسی 84

فهرست منابع انگلیسی 85

فهرست جدول‌ها 

جدول شماره 3-1:  نتایج رای گیری استفاده از نرم افزارهای داده کاوی 24

جدول شماره 3-2: فیلدهای اولیه داده های صدور 26

جدول شماره 3-3: فیلدهای نهایی داده های صدور 27

 جدول شماره 3-4: فیلدهای  حذف شده داده های صدور و علت حذف آنها 28

جدول 3-5:  فیلدهای استخراج شده از داده های خسارت 28

جدول 3-6: نتایج  نمودار boxplot 31

جدول 3-7: انواع داده استفاده شده 33

جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف 37

جدول 3-9: ماتریس در هم ریختگی رکوردهای تخمینی(Predicted  Records) 38

جدول 3-10: قوانین استخراج شده توسط الگوریتم Fpgrowth 55

جدول 3-11: قوانین استخراج شده توسط الگوریتم Weka Apriori 55

جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means 57

اجرا برای 9 خوشه در الگوریتم K-Means 60

جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen 64

جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی 69

جدول 4-1: مقایسه الگوریتم های دسته بند 70

جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم 70

جدول 4-3: ماتریس آشفتگی قانون شماره 1 71

جدول 4-4: ماتریس آشفتگی قانون شماره 2 72

جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف 72

جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب 72

جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج 73

جدول 4-8: ماتریس آشفتگی قانون شماره 3 د 73

جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه 73

جدول 4-10: ماتریس آشفتگی قانون شماره 3 و 74

جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز 76

جدول 4-12: ماتریس آشفتگی قانون شماره 4 76

جدول 4-13: ماتریس آشفتگی قانون شماره 5 77

جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف 77

جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب 78

جدول 4-16: ماتریس آشفتگی قانون شماره7 78

جدول 4-17: ماتریس آشفتگی قانون شماره8 79

جدول 4-18: مقایسه الگوریتم های خوشه بندی 79

جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی 80

جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori 81

فهرست شکل‌ها 

شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی 33

شکل 3-2:  نتایج الگوریتمPCA  34

شکل 3-3:  نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها 35

شکل 3-4: نتایج الگوریتم Weighting Deviation  در ارزشدهی به ویژگی ها 35

شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها 36

شکل 3-6:  نمای کلی استفاده از روشهای ارزیابی 41

شکل 3-7:  نمای کلی استفاده از یک مدل درون یک روش ارزیابی 42

شکل 3-8:  نمودار AUC الگوریتم KNN 42

شکل 3-9:  نمودار AUC الگوریتم Naïve Bayes 43

شکل 3-10:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی 44

شکل 3-11:  نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net 44

شکل 3-12:  تبدیل ویژگی های غیر عددی به عدد در الگوریتم  SVM  خطی 45

شکل 3-13 :  نمودار AUC الگوریتم  SVM Linear 46

شکل 3-14 :  نمودار AUC الگوریتم  رگرسیون لجستیک 47

شکل 3-15 : نمودار AUC الگوریتم  Meta Decision Tree 48

شکل 3-16 : قسمتی از نمودارtree الگوریتم  Meta Decision Tree 49

شکل 3-17 :  نمودار radial الگوریتم  Meta Decision Tree 49

شکل 3-18: نمودار AUC الگوریتم  Wj48 50

شکل 3-19 :  نمودار tree الگوریتم  Wj48 51

شکل 3-20 :  نمودار AUC الگوریتم  Random forest 52

شکل 3-21 :  نمودار تولید 20 درخت در الگوریتم  Random Forest 53

شکل 3-22 :  یک نمونه درخت تولید شده توسط الگوریتم  Random Forest 53

شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه 57

شکل 3-24 : Predictor  Importance for K-Means 58

شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم

 K-Means 59

شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K- 60

شکل 3-27 : Predictor  Importance for Kohonen 61

شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم

 Kohonen 62

شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K- 63

شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen 63

شکل 3-31 : Predictor  Importance for  دوگامی 64

شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در

 الگوریتم دوگامی 65

شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی 66

شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت 75

قیمت فایل فقط 85,000 تومان