ارائه روشي جديد براي افزايش دقت پيش بيني در بازسازي داده هاي كاهش داده شده با استفاده از ماشين هاي يادگير

امروزه با توسعه سيستم هاي پايگاهي و حجم بالاي داده ها ي ذخيره شده در سيستم ها، نياز به ابزاري است تا بتوان داده هاي ذخيره شده و پردازش كرد و داده هاي مفيد حاصل از اين مورد استفاده قرار داد. ماشين هاي يادگير يكي از اين ابزار مهم يادگيري است كه بسيار به زمينه هوش نزديك است . يادگيري ماشين ها كمك ميكند تا ازپيش بيني هاي مبتني بر اصول و استدلال هاي صحيح به نحوه احسن استفاده شود . از اين جهت يادگيري ان يك ابزار قدرتمند به حساب مي آيد و شاخه مهمي از علم كامپيوتر را در بر ميگيرد و هر روزه مقاله ها و پروژهاو تحقيق هاي عملي و تئوري بسيار زيادي در جهان بر پايه اين شاخه از علم كامپيوتر انجام مي شود شود و به همين خاطر بسياري از برنامه نويسان درصدد ساخت چنين برنامه هايي هستند بكارگيري اينگونه برنامه هايي هميشه آخرين مرحله برنامه نويسي است زيرا اين برنامه مي تواند وظايف مختلف خودش را به سادگي و با فكر كردن ياد بگيرد. داده هاي اجرايي اين پژوهش در خصوص بيماران ام اس است كه به بررسي 14 آيتم حياتي از وضعيت جسماني موثر در حملات عصبي را شامل ميشود . قصد بر اين است تا در اين مقاله به داده كاوي اين اطلاعات پرداخته شود و با روش هايي از حذف داده هاي پرت پرهيز شود و سپس با تحليل ثابت گردد با عدم حذف داده ها نتيجه بهتر كسب خواهد شد.