利用PSO算法优化数据挖掘准确率

Journal of Data Science Theory and Application Pub Date : 2022-10-10 DOI:10.32639/jasta.v1i2.189

Wahyuni Windasari

{"title":"利用PSO算法优化数据挖掘准确率","authors":"Wahyuni Windasari","doi":"10.32639/jasta.v1i2.189","DOIUrl":null,"url":null,"abstract":"Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.","PeriodicalId":206449,"journal":{"name":"Journal of Data Science Theory and Application","volume":"6 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"OPTIMALISASI AKURASI DATA MINING DENGAN MENGGUNAKAN ALGORITMA PSO\",\"authors\":\"Wahyuni Windasari\",\"doi\":\"10.32639/jasta.v1i2.189\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.\",\"PeriodicalId\":206449,\"journal\":{\"name\":\"Journal of Data Science Theory and Application\",\"volume\":\"6 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-10\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Data Science Theory and Application\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.32639/jasta.v1i2.189\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Data Science Theory and Application","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.32639/jasta.v1i2.189","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

今天，挖掘数据分类方法在许多领域得到了广泛的应用。其中一个是健康领域。这项研究比较了两种数据分类方法的准确性，即Naive Bayes和C4.5，以预测风险因素的妊娠风险水平。研究表明，算法C4.5比Naive Bayes更准确。此外，在研究设计中添加PSO算法也可以提高算法C4.5的准确性。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

OPTIMALISASI AKURASI DATA MINING DENGAN MENGGUNAKAN ALGORITMA PSO

Dewasa ini metode klasifikasi data mining telah banyak diterapkan di berbagai bidang. Salah satunya bidang kesehatan. Penelitian ini membandingkan akurasi kinerja dua metode klasifikasi data mining yaitu metode Naïve Bayes dan C4.5 untuk memprediksi tingkat resiko kehamilan berdasarkan faktor resikonya. Hasil penelitian menunjukkan bahwa akurasi algoritma C4.5 lebih baik dibandingkan algoritma Naïve Bayes. Selain itu, penambahan algoritma PSO pada design penelitian juga mampu menaikkan akurasi algoritma C4.5.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Journal of Data Science Theory and Application

自引率

0.00%

发文量