مقايسه ي درخت هاي تصميم گيري معمولي با درخت هاي تصميم گيري فازي

امروزه روش های یادگیری درخت تصمیم گیری به صورت گسترده ایی برای استنتاج از داده ها استفاده می شود. لازم به ذكر است درخت های تصمیم گیری یكی از راه حل های پركاربرد و عملی در یادگیری ماشین برای حل مسائل دسته بندی می باشند كه در این گونه روش های یادگیری، تابع هدف به صورت یك درخت تصمیم گیری ارائه می شود . می توان گفت كه این روش ها در دسته بندی روش های ناپایدار قرار می گیرد؛ و علت این ناپایداری وجود مشكلات در داده های آموزشی نیز می باشد. راه حلی كه دانشمندان برای بهبود خطا در این درخت ها ارائه كرده اند درخت های فازی نام دارد. در این مقاله از شبكه های عصبی برای فازی كردن درخت ها جهت كاهش خطا استفاده شده است.