IDCOST: روشی برای افزایش سرویس معیار داده‌ها با امتیازدهی داده‌های نامتعادل اعتباری با استفاده از SVM کاربردی

نویسندگان

1 گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

2 گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه پیام نور، تهران، ایران

doi
10.22075/jme.2025.31252.2493
چکیده

مسائل داده‌های اعتباری یکی از مسائل مهم در داده‌کاوی SVM کاربردی می‌باشد که داده‌های نامتعادل نسبت به داده‌های متعادل نقش مهم‌تری دارد. لذا ما روشی برای افزایش معیارها با امتیازدهی داده‌های نامتعادل اعتباری با استفاده از SVM کاربردی را ارائه دادیم. به‌همین منظور تکنیک امتیاز‌بندی و همچنین انتخاب سرخوشه مناسب در طبقه‌بندی داده‌ها می‌تواند نقش مهمی در اجرا و دقت برنامه داشته باشد که زمان اجرای برنامه بهینه شده است. با مطالعه موردی بر روی روش‌های شبکه باور عمیق و ماشین بردار پشتیبان، داده‌های نامتعادل اعتباری مورد توجه قرارنگرفته است. با ادغام نمودن انتخاب ویژگی شاخص، همچنین فاصله و اصل همسایگی تابع صلاحیتی را ارائه دادیم که نسبت به روش‌های مورد مطالعه قرار گرفته، از نظر کمی و کیفی می‌تواند معیار مجموعه داده‌ها و کشف تقلب کارت اعتباری و همچنین مجموعه‌ داده‌های پیش‌فرض کارت اعتباری و حساسیت تشخیص روش پیشنهادی و نمونه‌های غیر پیش‌فرض با استفاده از روش IDCOST انجام شده است. که در آن با ایجاد نمونه‌برداری مناسب مجموعه داده‌ها توانستیم افزونگی داده و داده‌های تکراری را نسبت به روش‌های مورد مطالعه کاهش دهیم و همچنین تعادل مجموعه داده‌های انتخاب ویژگی را در روش IDCOST با شاخص معتبری توانستیم، انجام دهیم، تا با این روش افزایش کارایی را در بر داشته‌باشد.