مقايسه روش‌هاي رگرسيوني كلاسيك با شبكه عصبي و ماشين بردار پشتيبان در رده‌بندي منابع آب‌هاي زير زميني

در عصر حاضر دسته‌بندي داده‌ها به‌منظور تشخيص و پيش‌بيني وقايع، يكي از موضوعات بسيار مهم در علوم مختلف است. در علم آمار ديدگاه سنتي اين كلاس‌بندي‌ها براساس روش‌هاي كلاسيك و بر پايه مدل‌هاي آماري از جمله رگرسيون لژستيك امكان‌ پذير خواهد بود. در عصر حاضر كه به‌عبارتي عصر انفجار اطلاعات ناميده مي‌شود، در اكثر موارد با داده‌هايي مواجه هستيم كه نمي‌توان توزيع دقيقي را براي آن‌ها يافت؛ از اين‌رو استفاده از روش‌هاي داده كاوي و يادگيري ماشين كه به مدل‌هاي از پيش تعيين شده نياز ندارند، مي‌تواند مسمر ثمر باشد. در بسياري از كشورها تشخيص دقيق نوع منابع آب‌هاي زير زميني، يكي از مسائل قابل توجه در زمينه علوم آب است. در اين مقاله به مقايسه نتايج حاصل از رده‌بندي يك مجموعه داده مربوط به منابع آب‌هاي زيرزميني با استفاده از روش‌هاي رگرسيوني، شبكه عصبي و ماشين بردار پشتيبان پرداخته‌ايم. نتايج از اين كلاس‌بندي‌ها نشان داد كه روش‌هاي يادگيري ماشين در تشخيص دقيق نوع چشمه‌ها موثر بوده است.