‏یک مدل فازی-نیمه‌پارامتری انعطاف‌پذیر در ساختار درخت تصمیم

این مطالعه رویکردی نوآورانه برای ترکیب منطق فازی و مدل‌های نیمه‌پارامتری در ساختار درخت تصمیم ارائه می‌دهد. مدل توسعه‌داده‌شده با استفاده از توابع عضویت مثلثی در گره‌ها، امکان انتساب نرم مشاهدات به شاخه‌های درخت را فراهم کرده و در هر برگ، مدل‌های نیمه‌پارامتری با استفاده از اسپلاین برای مدل‌سازی غیرخطی برازش داده می‌شوند. این ساختار انعطاف‌پذیری بالایی در مدیریت روابط پیچیده و مرزهای نامشخص بین تقسیم‌بندی‌ها ایجاد کرده و خطای محلی را کاهش می‌دهد. عملکرد مدل فازی ‎‏با مدل‌های دیگر مقایسه شد. معیارهای ارزیابی نشان دادند که مدل فازی به دلیل استفاده از وزن‌دهی نرم و مدیریت بهتر ناهمواری‌های محلی، دقت بالاتری نسبت به مدل‌های کلاسیک دارد. نتایج تجربی حاصل از داده‌ها‎ کارایی مدل پیشنهادی در کاهش خطای پیش‌بینی و بهبود قابلیت تعمیم را تایید کردند. این رویکرد می‌تواند در حوزه‌هایی با ساختار پیچیده و روابط غیرخطی، جایگزینی موثر برای روش‌های سنتی باشد.