بهبود طبقه بندي در مسائل يادگيري ماشين

يكي از شاخه‌هاي وسيع و پركاربرد هوش مصنوعي، يادگيري ماشين مي باشد كه به تنظيم و اكتشاف شيوه‌ها و الگوريتم‌هايي مي‌پردازد كه بر اساس آن‌ها رايانه‌ها و سامانه‌ها توانايي تعلٌم و يادگيري پيدا مي‌كنند. مسائل يادگيري ماشيني را به طور گسترده مي توان به سه گروه يادگيري نظارت شده، يادگيري نظارت نشده و يادگيري تقويتي طبقه بندي كرد. در اين مقاله گروهي از مسائل يادگيري ماشين نظارت شده را مورد بحث و بررسي قرار مي دهيم و از آنجا كه طبقه بندي يكي از مهم ترين قسمت هاي يادگيري ماشين مي باشد به بررسي طبقه بندي هاي مختلف در اينگونه مسائل مي پردازيم و در نهايت يك روش طبقه بندي پيشنهاد خواهد شد كه تابع زيان را تا حد مطلوبي كاهش مي دهد.