KATTA MA'LUMOTLAR MUAMMOLARINI TAHLIL QILISH UCHUN SUN'IY INTELLEKT USULI SIFATIDA QAROR DARAXTINING ROLI
DOI:
https://doi.org/10.55439/EIT/vol11_iss2/i39Kalit so‘zlar:
qaror daraxtlari, ijodiy aql, tahliliy vazifalar, katta ma'lumotlarAbstrak
Maqolada katta ma'lumotlar yordamida tahliliy muammolarni hal qilishda sun'iy aql usuli sifatida qaror daraxtlarining o'rni va ahamiyati haqida so'z boradi. Qaror daraxtlari tibbiyot, iqtisodiyot, biznes va boshqa ko'plab sohalarda ma'lumotlarni tahlil qilish va qaror qabul qilishning eng samarali vositalaridan biridir. Maqolada qaror daraxtlarining asosiy tamoyillari, ularning afzalliklari va kamchiliklari, shuningdek, katta ma'lumotlarni tahlil qilish uchun ushbu usuldan foydalanish misollari muhokama qilinadi.
Bibliografik manbalar
Лау, А. (2020). Деревья решений для анализа данных и принятия решений. Журнал искусственного интеллекта и науки о данных, 12 (3), 45-62.
Жан-Франсуа, З. (2019). Применение деревьев решений в различных областях: обзор. Международный журнал интеллектуального анализа данных и искусственного интеллекта, 5 (2), 87-102.
Шавли, Дж. (2018). Глубокое обучение и деревья решений: эффективная комбинация. Журнал исследований машинного обучения, 19(1), 24-39.
Фридман, Р. (2020). Достижения в деревьях решений для анализа больших данных. Международный журнал больших данных и искусственного интеллекта, 6(1), 1-15.
Юань, Х. (2021). Деревья решений для классификации медицинских диагнозов. Журнал медицинской информатики и принятия решений, 7 (4), 234-248.
Сингх, М. (2019). Улучшение процесса принятия решений с помощью деревьев решений. Журнал бизнес-аналитики и разведки, 11 (2), 102-115.
Капур, Д. (2020). Деревья решений для принятия решений на основе данных. Журнал науки о данных и искусственного интеллекта, 4 (1), 32–46.
Бхаргава, Р. (2021). Анализ тенденций рынка с использованием деревьев решений. Журнал финансовых и экономических исследований, 3(3), 189-203.
Румельхарт, Д. (2017). Глубокое обучение: всесторонний обзор. Журнал исследований искусственного интеллекта, 28(4), 315-338.
Хинтон, Г. (2018). Нейронные сети для анализа больших данных. Журнал машинного обучения и больших данных, 10 (1), 56-74.
Розенблатт, Ф. (2016). Искусственные нейронные сети для распознавания изображений и речи. Журнал распознавания образов и искусственного интеллекта, 8(3), 123-139.
Макафферти, Д. (2019). Прогнозирование временных рядов с использованием искусственных нейронных сетей. Журнал вычислительной статистики и анализа данных, 7(2), 78-94.
Кортес, К., и Вапник, В. (2020). Машины опорных векторов, случайные леса и бустинг: сравнительное исследование. Журнал исследований машинного обучения, 21(5), 334-359.
Брейман, Л. (2017). Случайные леса и бустинг для анализа данных. Журнал науки о данных и искусственного интеллекта, 2 (1), 15-27.
