PEMBAHASAN PAPER

1. A Comprehensive Survey of
Data Mining-based Fraud Detection Research
Paper ini mengkategorikan, membandingkan, dan merangkum dari hampir semua artikel teknis dan
review diterbitkan secara otomatis deteksi kecurangan. Ini mendefinisikan profesional penipu,
formalisasi jenis utama dan subtipe penipuan yang diketahui, dan menyajikan sifat bukti data yang
dikumpulkan di tempat yang terkena dampak industri. Dalam konteks bisnis penambangan data ke
Mencapai penghematan biaya yang lebih tinggi, penelitian ini menyajikan metode dan teknik bersama
dengan masalah mereka. Dibandingkan semua yang terkait Tinjauan tentang deteksi kecurangan, survei
ini mencakup lebih banyak lagi artikel teknis dan satu-satunya, yang terbaik dari pengetahuan, yang
mengajukan alternatif data dan solusi dari domain terkait

2. A New Approach in Bloggers Classification with Hybrid of K-Nearest Neighbor and

Artificial Neural Network Algorithms

Blog adalah salah satu alat efektif web2 yang dianggap sebagai salah satu modul dan bersifat sosial dan
interaktif. Dua metode yang digunakan dalam makalah ini: K-Nearest Neighbor (KNN) dan Jaringan
Syaraf Tiruan (JST). Metode ini diklasifikasikan berdasarkan Kohkiloye dan Boyer. Algoritma lebih
optimal, Simulasi dan eksperimen tidak hanya memberikan hasil yang diharapkan namun juga antisipasi
yang lebih tinggi dan tingkat klasifikasi.

3. An Improved Algorithm for Incremental Induction of Decision Trees

Paper ini merupakan algoritma untuk induksi incremental pohon keputusan yang mampu menangani
variabel numerik dan simbolik. Untuk menangani variabel numerik, sebuah operator revisi pohon baru
yang disebut 'slewing' diperkenalkan. metode non inkremental diberikan untuk menemukan pohon
keputusan berdasarkan metrik langsung dari pohon kandidat.
4. A Short Introduction to Boosting
Boosting adalah metode umum untuk meningkatkan keakuratan algoritma pembelajaran yang diberikan.
Paper ini memperkenalkan algoritma penguat AdaBoost, dan menjelaskan yang mendasarinya. Teori
penguat, termasuk penjelasan mengapa mendorong sering tidak menderita dari overfitting serta
meningkatkan hubungan untuk mendukung mesin vektor. Beberapa contoh aplikasi penguat terbaru juga
dijelaskan.

5. Decision trees as possibilistic classifiers

Paper ini membahas masalah klasifikasi dengan data yang tidak sempurna. Lebih tepatnya, memperluas
pohon keputusan standar menangani ketidakpastian baik dalam prosedur bangunan dan klasifikasi.
Ketidakpastian disini diwakili oleh kemungkinan distribusi. Bagian pertama menyelidiki masalah
pembuatan pohon keputusan dari data dengan nilai kelas yang tidak pasti dengan berkembang rasio
keuntungan berbasis non-spesifisitas sebagai ukuran pilihan atribut yang dalam kasus ini lebih tepat
daripada rasio kenaikan standar berdasarkan entropi Shannon.
6. A Review of Machine Learning Algorithms for
Text-Documents Classification
Dengan meningkatnya ketersediaan elektronik dokumen dan pesatnya pertumbuhan World Wide Web,
tugas kategorisasi otomatis dokumen menjadi metode kunci untuk mengatur informasi dan pengetahuan
penemuan. Klasifikasi e-dokumen yang benar, online berita, blog, e-mail dan perpustakaan digital
membutuhkan text mining, teknik belajar mesin dan teknik pengolahan bahasa alami untuk mendapatkan
pengetahuan yang berarti. Tujuan tulisan ini adalah untuk menyoroti teknik dan metodologi penting yang
digunakan dalam klasifikasi dokumen teks, sedangkan di Hal yang sama membuat kesadaran beberapa hal
menarik tantangan yang masih harus dipecahkan, terutama difokuskan pada teks representasi dan teknik
belajar mesin. Kertas ini memberikan ulasan tentang teori dan metode dokumen klasifikasi dan
penambangan teks, dengan fokus pada literatur yang ada.
7. On the Complexity of Loading Shallow Neural Networks
gagasan memuat informasi ke dalam jaringan koneksi yang itu mencirikan pelatihan jaringan syaraf tiruan
umpan balik. Masalah ini adalah NPcomplete, jadi kita mencari subcases dari masalah dengan
menempatkan kendala pada arsitektur jaringan. Fokus dari kendala ini adalah pada berbagai keluarga
arsitektur "dangkal" yang didefinisikan memiliki kedalaman yang terbatas dan tak terbatas lebar.
8. Oversearching and Layered Search in Empirical Learning
Saat belajar pengklasifikasi, lebih luasseaich untuk aturan terbukti menyebabkan penurunan (akurasi pada
banyak domain dunia leal diselidiki Tihs kontra-intuitif kembali setelan sangat lchvant untuk sistem
terbaru Metode search yang menggunakan pemangkasan nsk-fiee untuk mencapai hasil yang sama seperti
tuntas pencarian Kami mengusulkan metode pencarian yang iterasi yang dimulai dengan pencarian
pencarian serakah ruang lingkupnya pada setiap aerasi sampai kriteria berhenti puas Pencarian berlapis ini
sering dilakukan ditemukan menghasilkan teori yang lebih akurat.
9. The Performance of Maximum Likelihood, Spectral Angle Mapper, Neural Network
and Decision Tree Classifiers in Hyperspectral Image Analysis
Meningkatnya penerapan penginderaan jauh untuk pemantauan dan inventarisasi hutan dipandang sebagai
biaya sumber informasi yang efektif untuk praktik pengelolaan hutan lestari Selama beberapa terakhir
puluhan tahun, munculnya sensor hyperspectral itu memungkinkan perolehan data dengan jumlah yang
meningkat dari band spektral dan resolusi spektral yang lebih tinggi tentu memberikan dampak signifikan
pada kemampuan kita untuk memetakan hutan.
10. Wrappers for feature subset selection
Pada pilihan pemilihan subset fitur, algoritma pembelajaran dihadapkan pada masalah memilih subset
fitur yang relevan untuk memusatkan perhatian, sementara mengabaikan sisanya. Untuk mencapai kinerja
terbaik dengan algoritma pembelajaran tertentu pada tertentu set pelatihan, metode seleksi subset fitur
harus mempertimbangkan bagaimana algoritma dan pelatihan set berinteraksi Kami mengeksplorasi =
hubungan antara pemilihan subset fitur yang optimal dan relevansi. Kami Metode wrapper mencari subset
fitur optimal yang disesuaikan dengan algoritma tertentu dan domain. Kami mempelajari kekuatan dan
kelemahan pendekatan pembungkus dan menunjukkan serangkaian disempurnakan desain Kami
membandingkan pendekatan pembungkus dengan induksi tanpa pilihan subset fitur dan Relief, sebuah
pendekatan filter untuk menampilkan pilihan subset. Peningkatan akurasi yang signifikan adalah dicapai
untuk beberapa dataset untuk dua keluarga algoritma induksi yang digunakan: pohon keputusan dan Naif-
Bayes.