Yusuf Murat KIZILKAYA

Ayşe OĞUZLAR

Искусственный интеллект дает способность компьютеров подражать системам мышления людей и выработать решения сложных проблем. Машиноведение является важным подразделением искусственного интеллекта. Машиноведение можно рассматривать как процесс, включающий изучение различных задач и автоматических методов расчета посредством логических и двоичных выводов. R-программирование выходит на первый план с его успехом в алгоритме машинного обучения, а также во многих статистических расчетах. В этом исследовании сравниваются характеристики различных алгоритмов машинного обучения, используемых программированием R для целей классификации. С этой целью различные реальные алгоритмы машинного обучения были применены к реальным данным, полученным из UCI пула машинного обучения, и алгоритмы классификации были сопоставлены по нескольким критериям. Вычисленные критерии: Сравнивались точность, точность, чувствительность и методы классификации на основе F-меры. В результате этих сравнений видно, что алгоритм логистической регуляции, который делает лучшую классификацию по трем критериям, более успешным, чем другие алгоритмы. Алгоритм, который имеет вторую лучшую производительность по всем критериям, был алгоритмом Наивного Байеса.

Ключевые слова: машинное обучение, контролируемого обучения, программирование на R, логистическая регрессия, Наивный Байес