Conditional inference trees for knowledge extraction from motor health condition data

ابزار محاسباتی برای تجزیه و تحلیل داده ها جمع آوری شده توسط سیستم های نظارت ضروری است زیرا مقدار داده ها به طور پیوسته افزایش می یابد. الگوریتم های یادگیری ماشین را می توان در هر دو حالت رگرسیون و طبقه بندی مورد استفاده قرار داد، بینش های مفیدی را ارائه می دهد، در حالی که اجتناب از تعصب و اشتیاق به اشتباهات انسان. در این مقاله، یک نوع خاص از الگوریتم درخت تصمیم گیری، به نام درخت نتیجه گیری شرطی، برای استخراج دانش مربوطه از داده های مربوط به موتورهای الکتریکی استفاده می شود. این مدل به دلیل انعطاف پذیری آن، پایه آماری قوی و همچنین توانایی های عالی برای تعمیم و مقابله با مشکلات داده ها انتخاب شده است. دانش به دست آمده از طریق ساختار یافته سازمان یافته و سپس در زمینه نظارت بر وضعیت سلامت مورد تجزیه و تحلیل قرار می گیرد. نتایج نهایی نشان می دهد که چگونه این رویکرد می تواند مورد استفاده قرار گیرد برای به دست آوردن بینش در سیستم و ارائه نتایج به روش قابل فهم و کاربر پسند.