چکیده

در این پروژه که با نرم افزار داده کاوی وکا مدل سازی شده است بروی داده های مربوط به ۳۰۰۰ گوشی موبایل عملیات دسته بندی با استفاده از سه الگوریتم معروف داده کاوی انجام شده است. این روش ها بیزین؛ درخت تصمیم و درخت تصادفی می باشند.  در انتها روش ها را با یکدیگر مقایسه کرده و بهترین روش را انتخاب می کنیم. ما این پروژه را بر اساس کریسپ نظم بندی کردیم. نظم منطقی بحث به این صورت می باشد که در ابتدا در خصوص دیتاست بحث کرده و با آن آشنا می شویم. سپس به پیش پردازش داده ها می پردازیم. سپس مدل سازی کرده و در انتها به مقایسه و ارزیابی نتایج می پردازیم.

آشنایی با مجموعه داده

این مجموعه داده واقعی؛ داده های فروش تلفن های همراه شرکت های مختلف می باشد که جمع آوری شده است. لینک مجموعه داده از این آدرس قابل استفاده می باشد:

https://www.kaggle.com/iabhishekofficial/mobile-price-classification

همچنین ستون آخر بر اساس تجربه توسط خود ما برچسب گذاری شده است.

ستون های دیتاست به قرار زیر می باشند :

battery_power =  کل انرژی که یک باتری می تواند در یک زمان اندازه گیری شده در میلی آمپر ساعت ذخیره کند

blue =بلوتوث دارد یا نه

clock_speed= سرعت کلاک

dual_sim= دو سیم کارته است یا خیر

fc= دوربین جلو دارد یا خیر؟

four_g  =۴جی هست یا خیر

int_memory= میزان حافظه داخلی به گیگابایت

m_dep   = عمق به سانتی متر

mobile_wt = وزن گوشی

n_cores = تعداد هسته های سی پی یو

pc=  میزان قدرت دوربین اصلی به مگاپیکسل

px_height= Pixel resolution Height

px_width= Pixel resolution width

ram= میزان حافظه رم به مگابایت

sc_h= Screen Height of mobile in cm

sc_w= Screen Width of mobile in cm

talk_time= طولانی ترین زمانی که شارژ باتری در زمان استفاده دوام می آورد

three_g= دارای تکنولوژی ۳ جی

touch_screen=تاچ اسکرین دارد یا خیر

wifi=وای فای دارد یا خیر

price_range= میزان رنج قیمت

ValuableCategory= کتگوری ارزش – آ بیشترین ارزش و ای کم ارزشترین

 

 

دیدگاه‌ها (0)

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “پیش بینی کیفیت گوشی های موبایل به کمک تکنیک های داده کاوی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پاسخ من را به ایمیلم ارسال کن