%0 Journal Article %T مروری بر درختان تصمیم فازی و غیرفازی %J سیستم های فازی و کاربردها %I انجمن سیستم های فازی ایران %Z 2717-4409 %A بهدانی, زهرا %A احراری, وحیده %D 2022 %\ 08/23/2022 %V 5 %N 1 %P 109-137 %! مروری بر درختان تصمیم فازی و غیرفازی %K مجموعه‌های فازی %K داده‌کاوی %K درخت تصمیم فازی %K تابع عضویت %R 10.22034/jfsa.2022.330651.1113 %X علم داده‌کاوی با گسترش سیستم‌های پایگاه داده و حجم بالای داده‌های ذخیره شده در این سیستم‌ها، مطرح شده است تا بتوان الگوهای مفید در داده‌ها را شناسایی کرده و با در اختیار قرار دادن اطلاعات به کاربران، آنها را در اتخاذ تصمیمات مهم کمک نمود. در علم داده کاوی نظریه مجموعه‌های فازی نقش مهمی دارد و باعث پیدایش ‎«‎داده­‌کاوی فازی‎»‎ شده است. پژوهش‌های متعددی در حوزه داده‌کاوی فازی انجام شده که در این مقاله، نقش مبحث فازی در درختان تصمیم مورد مطالعه قرار گرفته است. درخت‌های تصمیم از عمومی‌ترین روش‌های یادگیری با ناظر می‌باشند. ولی چنانچه داده‌ها دارای کاستی‌ها و مشکلاتی از قبیل اغتشاش، حجم کم نمونه، دقت کم، ارزیابی شخصی و ... باشند، درخت تصمیم کارایی کافی را نخواهد داشت. علاوه بر این مشکلات دیگری مانند وجود ویژگی‌های عددی پیوسته یا گسسته با اندازه زیاد نیز عملکر این درخت‌ها را تحت تاثیر قرار خواهند داد. در مواردی که درخت تصمیم دچار نقص می‌شود یک رهیافت جایگزین، ترکیب منطق فازی با درخت‌های تصمیم است. که حاصل آن درخت‌های تصمیم فازی است.لازم به ذکر است که بر خلاف داده‌کاوی کلاسیک، در حال حاضر در داده‌کاوی فازی معیارهای متشکل از مجموعه داده‌های فازی برای مقایسه الگوریتم‌ها وجود ندارد.مقاله حاضر به بررسی مفهوم درخت‌های تصمیم و منطق فازی می‌پردازد و سپس ترکیب این دو مفهوم یعنی درخت تصمیم فازی را تعریف خواهد کرد و به کاربرد‌ها و اهمیت آن خواهد پرداخت. %U https://jfsa.fuzzy.ir/article_152192_8a81c8a783724f25bbee219f1b881348.pdf