Modeling Influenced Criteria in Classifiers' Imbalanced Challenges Based on TrSS Bolstered by The Vague Nature of Neutrosophic Theory
Ibrahim El-Henawy · Shrouk El-Amir · Mona Mohamed · Florentin Smarandache
thg 1 2024 · Infinite Study
Sách điện tử
16
Trang
family_home
Đủ điều kiện
info
reportĐiểm xếp hạng và bài đánh giá chưa được xác minh Tìm hiểu thêm
Giới thiệu về sách điện tử này
Because of the advancements in technology, classification learning has become an essential activity in today's environment. Unfortunately, through the classification process, we noticed that the classifiers are unable to deal with the imbalanced data, which indicates there are many more instances (majority instances) in one class than in another. Identifying an appropriate classifier among the various candidates is a time-consuming and complex effort. Improper selection can hinder the classification model's ability to provide the right outcomes. Also, this operation requires preference among a set of alternatives by a set of criteria. Hence, multi-criteria decision-making (MCDM) methodology is the appropriate methodology can deploy in this problem. Accordingly, we applied MCDM and supported it through harnessing neurotrophic theory as motivators in uncertainty circumstances. Single value Neutrosophic sets (SVNSs) are applied as branch of Neutrosophic theory for evaluating and ranks classifiers and allows experts to select the best classifier So, to select the best classifier (alternative), we use MCDM method called Multi- Attributive Ideal-Real Comparative Analysis (MAIRAC) and the criteria weight calculation method called Stepwise Weight Assessment Ratio Analysis (SWARA) where these methods consider single-value neutrosophic sets (SVNSs) to improve and boost these techniques in uncertain scenarios. All these methods are applied after modeling criteria and its sub-criteria through a novel technique is Tree Soft Sets (TrSS). Ultimately, the findings of leveraging these techniques indicated that the hybrid multi-criteria meta-learner (HML)-based classifier is the best classifier compared to the other compared models.
Xếp hạng sách điện tử này
Cho chúng tôi biết suy nghĩ của bạn.
Đọc thông tin
Điện thoại thông minh và máy tính bảng
Cài đặt ứng dụng Google Play Sách cho Android và iPad/iPhone. Ứng dụng sẽ tự động đồng bộ hóa với tài khoản của bạn và cho phép bạn đọc trực tuyến hoặc ngoại tuyến dù cho bạn ở đâu.
Máy tính xách tay và máy tính
Bạn có thể nghe các sách nói đã mua trên Google Play thông qua trình duyệt web trên máy tính.
Thiết bị đọc sách điện tử và các thiết bị khác
Để đọc trên thiết bị e-ink như máy đọc sách điện tử Kobo, bạn sẽ cần tải tệp xuống và chuyển tệp đó sang thiết bị của mình. Hãy làm theo hướng dẫn chi tiết trong Trung tâm trợ giúp để chuyển tệp sang máy đọc sách điện tử được hỗ trợ.
