Ứng dụng phương pháp bình chọn các mô hình trí tuệ nhân tạo để phân loại hai lớp và đa lớp trong xây dựng

Abstract

Phân loại là một trong những nhiệm vụ quan trọng trong lĩnh vực xây dựng. Phân loại có hai dạng chính là phân loại hai lớp và đa lớp (nhiều hơn hai lớp). Nếu phân loại chính xác, các nhà quản lý có thể giảm thiểu tối đa mức độ rủi ro trong quá trình thực hiện công việc. Do đó, việc tạo ra mô hình có thể dự báo đồng thời các bộ dữ liệu hai lớp và đa lớp với hiệu quả cao là mối quan tâm của các nhà nghiên cứu khoa học. Mục tiêu của bài báo là đề xuất phương pháp bình chọn voting để tạo nên mô hình tối ưu nhất giải quyết bài toán phân loại trong xây dựng. Mô hình voting được xây dựng từ ba mô hình phân loại trí tuệ nhân tạo đơn lẻ phổ biến đó là máy học vectơ hỗ trợ (SVM), Navie Bayes (NB) và Cây quyết định (DT). Trong nghiên cứu này, tác giả sử dụng hai bộ dữ liệu về sự hóa lỏng đất (hai lớp) và lỗi sai trên thép tấm (đa lớp) để kiểm tra tính hiệu quả của mô hình đề xuất. Kết quả cho thấy mô hình voting vượt trội so với các mô hình so sánh khác trong việc phân loại dữ liệu. Trong đó, NBDT là mô hình voting tốt nhất khi phân loại bộ dữ liệu hai lớp (87.168%) và SVM-DT cho hiệu suất làm việc tốt nhất khi phân loại bộ dữ liệu đa lớp (89.505%).