دانلود ترجمه مقاله با عنوان ترجمه مقاله An evaluation of heuristics for rule ranking در سایت ترجمه داری
چکیده مقاله An evaluation of heuristics for rule ranking
Objective: To evaluate and compare the performance of different rule-ranking algorithms for rule-based classifiers on biomedical datasets. Methodology: Empirical evaluation of five rule ranking algorithms on two biomedical datasets, with performance evaluation based on ROC analysis and 5 2 cross-validation. Results: On a lung cancer dataset, the area under the ROC curve (AUC) of, on average, 14267.1 rules was 0.862. Multi-rule ranking found 13.3 rules with an AUC of 0.852. Four single-rule ranking algorithms, using the same number of rules, achieved average AUC values of 0.830, 0.823, 0.823, and 0.822, respectively. On a prostate cancer dataset, an average of 339265.3 rules had an AUC of 0.934, while 9.4 rules obtained from multi-rule and single-rule rankings had average AUCs of 0.932, 0.926, 0.925, 0.902 and 0.902, respectively. Conclusion: Multi-variate rule ranking performs better than the single-rule ranking algorithms. Both single-rule and multi-rule methods are able to substantially reduce the number of rules while keeping classification performance at a level comparable to the full rule set.
ترجمه فارسی چکیده مقاله An evaluation of heuristics for rule ranking
عنوان مقاله : ارزیابی اکتشافی برای رتبه بندی قوانین
چکیده:
هدف این مقاله ارزیابی و مقایسه الگوریتم های مختلف امتیاز دهی به قوانین برای کلاسیفایر های مبتنی بر قانون بر روی مجموعه داده های پزشکی می باشد.
روش: ارزیابی تجربی از پنج الگوریتم رتبه بندی قوانین در دو مجموعه داده پزشکی، با ارزیابی عملکرد بر اساس تجزیه و تحلیل ROC و اعتبارسنجی متقابل (cross-validation) 5 در 2 می باشد
نتایج: در یک مجموعه داده سرطان ریه، سطح زیر منحنی ROC یعنی (AUC) از، به طور متوسط، 14267.1 قانون مساوی 0.862 بود. با استفاده از رتبه بندی چند قانونه از 13.3 قانون AUC مساوی 0.852 یافت شد . چهار الگوریتم رتبه بندی تک – قانونه، با استفاده از همان تعداد قوانین، میزان AUC به طور متوسط به ترتیب 0.830، و 0.823، و 0.823، و 0.822 را به دست آورد. در مجموعه داده سرطان پروستات،با به طور متوسط 339265.3 قانون میزان AUC مساوی 0.934 داشت، در حالی که 9.4 قوانین به دست آمده از رتبه بندی چند-قانونه (Multi-Rule) وچهار الگوریتم تک – قانونه (Single Rule) به ترتیب میزان AUC به طور متوسط 0.932 و، 0.926، و 0.925، و 0.902 و 0.902، را داشتند.
نتیجه گیری: رتبه بندی چند متغیره قوانین بهتر از الگوریتم های رتبه بندی تک قانه عمل میکند. هر دو روش تک -قانونه و چند- قانونه قادراند که به شکل قابل ملاحظه ای تعداد قوانین را کاهش دهند در حالی که عملکرد طبقه بندی در سطح قابل مقایسه با مجموعه قوانین کامل را داشته باشند.
اگر سوالی پیش از خرید دارید می توانید در این قسمت مطرح کنید.