فصل 1- مقدمه

فصل 2- مرور مقالات

فصل 3- چهارچوب پیشنهادی مبتنی بر ML

فصل 4- الگوریتم های دسته بندی منتخب

فصل 5- معیارهای ارزیابی

فصل 6- نتیجه گیری

الگوریتم های دسته بندی منتخب

الگوریتمی انتخاب می شود تا ارزیابی شود که آیا توسط نظرات ما در مورد ویژگی های توصیف شده گروه جمع آوری داده ها قابل اجرا است یا خیر. مشخصه‌ های نشان ‌دهنده مجموعه داده ‌های مورد استفاده عبارتند از: (1) ویژگی‌های ایستا و (2) ویژگی ‌های اسمی، مجموعه داده‌ های ایستا برای استفاده از الگوریتم‌ های یادگیری الکترونیکی مناسب نیست. با این حال، این الگوریتم ها برای دو آزمون مقایسه ای استفاده می شوند و برای شبیه سازی تحلیل می شوند. پایگاه داده ایجاد شده بر روی یک نمونه داده آنی از داده های به دست آمده از شبیه سازی بزرگتر است. ما با توجه به ویژگی ‌های مجموعه داده‌ های خود، از الگوریتم ‌های طبقه ‌بندی نظارت شده J48 و بیزی ساده (NB) نیز استفاده می ‌کنیم. در الگوریتم های دسته بندی منتخب برای یادگیری تیمی پس از آزمون دقیق، مجموعه ای از مقادیر پارامترهای عملکردی بر اساس عملکرد آنها انتخاب شدند. به طور خاص، برای هر مقدار از پارامتر که انتخاب شد، بر ارائه بهترین نتایج در مورد دقت، برای موضوع خاص در نظر گرفته تمرکز می شود.