پیش‌بینی رویدادها با استفاده از رویکرد‌های یادگیری ماشین و یادگیری عمیق: بررسی و مرور جامع

در این پژوهش مروری به بررسی و مرور جامع روش‌های پیش‌بینی با استفاده از رویکرد‌های یادگیری ماشین و یادگیری عمیق پرداخته‌ایم. یادگیری ماشین به ما امکان می‌دهد؛ تا الگوهای موجود در داده‌ها را شناسایی کرده و آن‌ها را برای پیش‌بینی رویدادها به‌کار ببریم. ما در زمینه‌های پیش‌بینی نقص نرم‌افزارهای سازمانی، کیفیت آب آشامیدنی، نیروی باد برای تولید برق، انتقالی سربازان و رزمندگان، سلامت روح و روان سربازان و تشخیص میزان سلامت جسمی کارکنان نظامی بررسی‌های خود را انجام داده‌ایم و در این راستا 17 مقاله پژوهشی و 3 مقاله مروری را جمع آوری و مطالعه کرده‌ایم. بررسی‌های ما نشان داد که اغلب پژوهشگران برای مدل پیش‌بینی پیشنهادی خود روش‌های یادگیری ماشین مانند: رگرسیون لجستیک، ماشین بردار پشتیبان، درخت تصمیم و جنگل تصادفی را بیشتر از سایر روش‌ها موثر دانستند؛ که جنگل تصادفی، رگرسیون لجستیک و ماشین بردار پشتیبان به ترتیب بهترین نتیجه را داشته‌اند. علاوه بر این با مطالعه در این حوزه دریافتیم که بیشتر محققان روش‌های کاهش داده مانند: انتخاب ویژگی، کاهش ابعاد و استخراج ویژگی را پیش از انجام پیش‌بینی بر روی مجموعه داده‌های بزرگ برای افزایش سرعت پاسخگویی مدل پیشنهاد کرده‌اند. در این راستا آن‌ها رویکردهای تجزیه و تحلیل مولفه اصلی، تجزیه و تحلیل تشخیصی خطی، شبکه عصبی عمیق را به‌کار گرفته‌اند؛ که تجزیه و تحلیل مولفه اصلی بهترین عملکرد را به خود اختصاص داده است. در این مقاله، شرح مختصر و جامعی از روش‌های مختلف کاهش داده و پیش‌بینی رویدادها با استفاده از روش‌های یادگیری ماشین و یادگیری عمیق ارائه می‌شود تا به افزایش دانش در این حوزه کمک کند.