رتبه بندی قوانین استخراج شده از داده کاوی توسط منطق فازی و بهبود الگوریتم رتبه بندی چندتایی قوانین

امروزه تکنیک های داده کاوی برای کشف روابط پنهانی بین داده ها بکار می روند. یکی از مسائل مهم، استخراج الگوهایی از مجموعه داده ها می باشد که یک نوع از این الگوها، قوانین تصمیمی یا قوانین دسته بندی هستند. بعد از اجرای الگوریتم های استخراج قانون از مجموعه داده های بزرگ، قوانین زیادی تولید می شود که دارای اهمیت یکسانی نیستند و باید بر اساس معیارهایی مرتب شوند تا موثرترین آن ها مشخص شوند. روش های رتبه بندی تکی بر اساس معیارهای جذابیت هر قانون، مقدار جذابیت آن ها را بدست می آورند و آن ها رتبه بندی می کنند. در این پژوهش از منطق فازی برای رتبه بندی قوانین استخراج شده از داده کاوی استفاده شده است. برای این امر یک سیستم استنتاج فازی طراحی شد. به عنوان مطالعه موردی از مجموعه داده های شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای ایجاد قوانین استفاده کردیم و قوانین بدست آمده را توسط مدل فازی طراحی شده رتبه بندی کردیم. نتایج بدست آمده با چندین روش دیگر از جمله روش تحلیل پوششی داده ها (dea) مقایسه شد و مشخص شد که روش فازی دقت بهتری را برای رتبه بندی تامین کرده است. روش رتبه بندی چندتایی قوانین، یک روش رتبه بندی جدید است که بعد از روش های رتبه بندی تکی معرفی شد. این روش قوانین را با هم مورد ارزیابی قرار می دهد و انتخاب قوانین بستگی به قوانین انتخاب شده ی قبلی دارد. در ادامه ی این پژوهش بهبودی بر روی این روش، با تغییر امتیاز های داده شده به قوانین در هر مرحله، انجام شد، که باعث می شود به قوانین موثرتر و کاراتر امتیاز بالاتری داده شود و رتبه ی بهتری کسب کنند. برای مقایسه بین این روش ها نیز از همان مجموعه داده ی ذکر شده و قوانین استخراج شده از آن استفاده کردیم. نتایج نشان می دهد که روش بهبود یافته نسبت به روش قبلی رتبه بندی دقیق تری را تامین کرده است.