درخت تصمیم

پیشینه و اهداف: یکی از معیارهای تصمیم گیری برای سرمایه گذاری در یک شرکت بورسی، میزان یا تغییرات قیمت سهام آن شرکت در روزها و ماه های آتی است. روش های متعددی برای پیش بینی قیمت سهام و ریسک سرمایه گذاری در یک شرکت، مورد مطالعه قرار گرفته است. در اکثر این روش ها، قیمت سهام به عنوان یک متغیر پاسخ پیوسته پیش بینی شده است. برای این منظور، از مدل های سری زمانی استفاده می شود که در آنها پذیره هایی ازجمله نرمال بودن اغتشاش ها و یا خطی بودن مدل اهمیت دارد. هدف از این پژوهش، معرفی یک متغیر پاسخ دو رده ای براساس جهت حرکت قیمت سهم در روز آتی و معرفی چند روش رده بندی آماری برای پیش بینی آن است. این مدل ها، محدودیت های مدل های گذشته را ندارند و به همین دلیل مورد توجه هستند. پیاده سازی روش های مورد مطالعه و مقایسه دقت آنها در پیش بینی جهت حرکت قیمت سهام شرکت های بیمه بورسی هدف اصلی این مقاله است. روش شناسی: در پژوهش حاضر با استفاده از الگوریتم های K-نزدیک ترین همسایه ها، درخت تصمیم و جنگل تصادفی که در زمره روش های ناپارامتری رده بندی یادگیری آماری می باشند، به پیش بینی جهت حرکت قیمت سهام پرداخته ایم. داده های مورد استفاده در این تحقیق شامل اطلاعات قیمت سهام یکی از شرکت های بیمه در طی سال های 1390 تا 1400 است که سهم مناسب و بالایی در پرتفوی صنعت بیمه دارد. برای تعیین دقت مدل های مورد مطالعه، داده ها به صورت تصادفی به دو دسته آموزشی و آزمایشی تقسیم شدند. سپس مدل های یادگیری آماری روی داده های آموزشی اجرا و اعتبار آنها با استفاده از داده های آزمایشی سنجیده شد. یافته ها : نتایج تحقیق حاکی از دقت بالای هر سه مدل ناپارامتری در پیش بینی رده قیمت سهام شرکت بیمه مورد نظر است. همچنین در بین مدل های مورد مطالعه، الگوریتم K-نزدیک ترین همسایه ها نسبت به سایر الگوریتم ها در پیش بینی جهت حرکت قیمت سهام عملکرد بهتری از خود نشان داد. نتیجه گیری: با توجه به اهمیت ریسک سرمایه گذاری در یک شرکت بیمه برای مشتریان، یافتن مدل مناسب برای رده بندی قیمت سهام و مشخص نمودن متغیرهای مؤثر در افزایش یا کاهش قیمت، می تواند به مشتریان و شرکت های بیمه در تصمیم گیری بهتر کمک کند.

درک رفتار نیروی کار در مواردی که مربوط به تصمیم افراد به انجام اضافه کاری است، در ارزیابی دقیق اثرات سیاست های اشتغال زایی، از اهمیت اساسی برخوردار می باشد؛ با توجه به اینکه موضوع اضافه کاری در تحلیل های مربوط به منابع انسانی و نظام بازارکار در اقتصاد کلان، تا حدودی نادیده گرفته شده است، این مقاله به بررسی این موضوع از طریق تحلیل رفتار نیروی کار ایران با استفاده از آمار هزینه و درآمد خانوارهای شهری برای دوره زمانی 99-1384 پرداخته و عواملی که بر تصمیم گیری فرد در خصوص اضافه کاری تأثیرگذار هستند را مورد مطالعه و بررسی قرار می دهد. روش مورد استفاده در این مطالعه، الگوریتم داده کاوی درخت تصمیم می باشد که به ما این امکان را می دهد تا با پی بردن به توزیع زیربنایی داده های اخذ شده از مجموعه افراد مورد بررسی، بتوانیم رفتار آن ها را مطالعه کرده و در مورد آن استنتاج منطقی و مفید داشته باشیم. نتایج حاکی از این است که اضافه کاری به سختی با ویژگی های سطح فردی مانند سن، تحصیلات، جنسیت، نگرش های کاری و یا هر عامل غیرقابل مشاهده ای که این متغیرها نماینده آن هستند، تعریف می شود، اما می توان آن را به وضعیت شغلی و مهارتی که نیروی کار دارد، ویژگی های ساختاری بازار کار و همین طور دهک هزینه ای که خانوار در آن قرار دارد نسبت داد. این نتایج می تواند پیامدهای قابل توجهی هم برای افراد و هم برای سیاست گذاران، به جهت تخصیص بهینه نیروی کار داشته باشد.

مطابق قانون، بیمه مرکزی ج. ا. ایران موظف است در محاسبه حق بیمه های رشته بیمه ای خسارات وارد شده به شخص ثالث در اثر حوادث ناشی از وسایل نقلیه، ویژگی های راننده نیز مورد توجه قرار دهد؛ از این رو، در این مقاله با استفاده از داده های یک شرکت بیمه طی شش سال به بررسی نحوه اثرگذاری ویژگی سن بیمه گذاران بر وقوع خسارت ها پرداخته ایم. نتایج آزمون دو نمونه ای کولموگروف-اسمیرنف، گویای اثر گذاری ویژگی سن بر وقوع خسارت ها است. به دلیل تفاوت جمعیت سنی بیمه گذاران چهار گروه اصلی وسایل نقلیه، محاسبات، برای گروه های مختلف خودرو به صورت مجزا انجام شده است. با استفاده از احتمال شرطی، احتمال وقوع خسارت را برای هر رده سنی محاسبه نموده ایم. همچنین براساس سه ویژگی ثبت شده از بیمه گذاران شامل سن، جنسیت و نوع مشتری درخت تصمیم را محاسبه نموده ایم. براساس نتایج، در خودروهای سواری، بارکش و موتورسیکلت، احتمال وقوع خسارت به ترتیب برای بیمه گذاران با سنین کمتر از 22 سال، 30 سال و 25 سال به میزان قابل توجهی بالاتر است. بنابراین بر اساس اصول بیم سنجی، از بیمه گذاران این سنین حق بیمه بالاتری می باید دریافت شود. همچنین، بیش از 50% از خسارت های منجر به آسیب های جانی در تمام انواع خودرو، متعلق به رانندگانی است که بیمه گذار نبوده اند؛ بنابراین خودروهایی که رانندگان متعدد دارند، می باید حق بیمه بالاتری پرداخت کنند. ویژگی سن بیمه گذاران خودروهای اتوکار تأثیر قابل توجهی بر نرخ خسارت ها نداشته است.

هدف: مقایسه قابلیت های سه الگوریتم مختلف درخت تصمیم و مدل شبکه عصبی به منظور انتخاب مدل طبقه بندی مناسب برای ارزیابی عملکرد داوطلبان آزمون سراسریروش پژوهش: مبتنی بر رویکرد کمّی و با روش پیمایشی است و از متغیرهای جنسیت، سوابق تحصیلی و نمره های تراز هر یک از دروس به عنوان متغیرهای موثر در طبقه بندی استفاده گردید.یافته ها: با در نظر گرفتن همه متغیرها بدون جنسیت براساس مدل شبکه عصبی، مشخص شد که دروس تخصصی ریاضی، فیزیک و شیمی سپس دروس عمومی فارسی و دینی به ترتیب بیشترین اهمیت را در طبقه بندی دارند. فاصله دیپلم تا آزمون سراسری کمترین تاثیر را داشت. همچنین مشخص شد در صورتی که تنها متغیرهای مربوط به دروس آزمون در نظر گرفته شود ترتیب میزان اهمیت دروس شیمی و فیزیک جابه جا می شود.نتیجه گیری: با استناد به شاخص دقت کلی، الگوریتم مدل شبکه عصبی با دقت بیشتر از 95/0 از عملکرد بالا تری نسبت به الگوریتم های درخت تصمیم برخوردار است. از طرفی ورود متغیرهای سوابق تحصیلی در دقت الگوریتم شبکه عصبی تاثیر مطلوبی داشته است.     

تعدد عوامل تاثیرگذار بر موفقیت در انتخاب رشته، تصمیم گیری صحیح در این خصوص را دشوار می کند. اگرچه مشاورانی برای کمک به دانش آموزان در این امر مهم وجود دارند، اما آنها نیز به دلیل محدودیت های شناختی بشری (قدرت پردازش و ذخیره سازی) توانایی درنظر گرفتن همزمان و متناسب همه عوامل موثر بر انتخاب رشته را ندارند. بنابراین نیاز به سامانه ای وجود دارد که در برنامه هدایت تحصیلی دانش آموزان تمامی جنبه ها و عوامل را در نظر بگیرد و میزان افت کیفیت آموزشی را کاهش دهد. در این پژوهش یک سامانه پشتیبانی تصمیم بر مبنای مجموعه ای از معیارهای جامع تأثیرگذار بر انتخاب رشته برای کمک به مشاوران و دانش آموزان طراحی شده است. این معیارها در 3 دسته کلی شامل عوامل مربوط به خانواده، عوامل فردی دانش آموز و نهایتا معیارهای تحصیلی و آموزشی قرار دارد. پس از جمع آوری داده ها از دانش آموزان پایه دوازدهم با استفاده از پرسشنامه، تجزیه وتحلیل داده ها با نرم افزار رپیدماینر و اعمال آنها در درخت تصمیم، درنهایت بهترین قواعد مربوط به انتخاب هر رشته برای همه رشته های تحصیلی به دست آمد. به منظور بررسی میزان دقت و صحت درخت تصمیم در تمامی رشته ها و با توجه به پیش بینی درست در 95% از داده های آزمایشی، می توان این سامانه را از لحاظ کارایی و دقت در سطح بالایی دسته بندی کرد و از آن در مدارس به عنوان پشتیبان مشاوران در ارائه مشاوره به دانش آموزان بهره برداری نمود. این سامانه علاوه بر تعیین بهترین انتخاب برای هر دانش آموز، قابلیت پیش بینی عملکرد وی در صورت انتخاب سایر رشته ها را نیز دارد.

گردشگری روستایی یکی از حوزه های اصلی گردشگری است. شناسایی و اولویت بندی پیشران های توسعه گردشگری روستایی دغدغه مراکز تصمیم سازی و تصمیم گیری راهبردی در حوزه گردشگری است و برنامه ریزی آگاهانه مبتنی بر شناخت این پیشران ها راهگشای توسعه روستاها می باشد. روستای آلمان در نزدیکی شهر رشت و بزرگراه رشت- بندر انزلی، از موقعیت جغرافیایی مناسب و ظرفیت های بی نظیری جهت توسعه گردشگری روستایی برخوردار است. در این پژوهش، با طراحی درخت تصمیم جامع با شش معیار و 36 زیرمعیار، پیشران های اثرگذار بر توسعه گردشگری در این روستا، شناسایی شد. همچنین، فرایند سلسله مراتبی فازی کروی (SFAHP) جهت اولویت بندی پیشران های اثرگذار بر توسعه گردشگری روستایی به کار رفت. داده های مورد نیاز از طریق تکمیل پرسشنامه مقایسه های زوجی توسط 15 نفر از خبرگان حوزه گردشگری استان گیلان جمع آوری شد. نتایج نشان داد که در بین معیارهای درخت تصمیم، "توسعه اشتغال" با وزن نسبی 18.05 درصد، رتبه نخست اهمیت را دارا می باشد. همچنین، معیارهای "محیط زیستی- کالبدی" و "ظرفیت روستا" با وزن های نسبی 17.68 و 16.79 درصد به ترتیب در جایگاه دوم و سوم قرار دارند. در بین زیرمعیارهای مرتبط با "توسعه اشتغال" نیز "بهبود فرصت های شغلی مرتبط با گردشگری"، "سرمایه گذاری در آموزش نیروی انسانی بومی مورد نیاز برای توسعه خدمات و فعالیت های گردشگری"، و "ایجاد و توسعه بوم گردیها" به ترتیب سه زیرمعیار پراهمیت در راستای تحقق توسعه گردشگری روستایی می باشند. حمایت و مانع زدایی حاکمیت به منظور نقش آفرینی بیشتر بخش خصوصی در گردشگری روستایی می تواند توسعه اشتغال و بهبود ظرفیت ها و زیرساختهای گردشگری روستایی را به همراه داشته باشد. افزایش سطح آگاهی و توانمندسازی روستاییان در کنار مشارکت دادن آنها در فرایند توسعه گردشگری روستایی از الزامات موفقیت در پیشبرد هدفهای توسعه ای این بخش است.

همزمان با اوج گرفتن هیجان انگیز فناوری های برافکن، ما در ابتدای دورانی پر از نوآوری، ظرفیت رشد و افق های بی انتها ایستاده ایم. کسب و کارها فقط شاهد تحول نیستند. آنها بخشی از یک سمفونی در حال تکامل از ابزارها و قابلیت های بی پایان هستند. نت های این سمفونی، مهارتها و شایستگیهای ضروری است که راه را برای نقشهای پیشگامانه هموار میکنند و جوامع را وارد قلمرویی از خلاقیت اختصاصی شده میکنند.این مطالعه عمیقاً به هماهنگی شایستگی های نیروی کار در هماهنگی با فناوری برافکن می پردازد. این پژوهش به لحاظ ماهیت بنیادی و کاربردی است که با روش کیفی و رویکرد اوپرا انجام شده است. نمونه گیری بصورت هدفمند و اطلاعات محور انجام شده است .بر این اساس 34خبره در گردآوری داده ها مشارکت کرده اند. بر اساس نتایج تحقیق و به منظور طراحی نقشه راه آموزش حرف و مشاغل؛14 خوشه مشتمل بر( مهندسان الکترونیک،سازندگان نرم افزار، متخصصان ساخت وب و چند رسانه ای، برنامه نویسان برنامه های کاربردی رایانه، طراحان و مدیران پایگاه داده ها، سازندگان و تحلیلگران نرم افزار و برنامه های کاربردی رایانه ای، متخصصان پایگاه داده ها و شبکه های رایانه ای، تکنسین های الکترونیک، تکنسین های کنترل فرایندها، واسطه های اوراق بهادار و تامین سرمایه، تکنسین-های پشتیبانی عملیات فناوری ارتباطات و اطلاعات، تکنسین های پشتیبانی کاربران فناوری اطلاعات و ارتباطات و حرفه تکنسین های وب) مشخص گردید.