{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA437",
        "title": "جنگل های تصادفی بهبودیافته برای متغیر پاسخ رتبه ای ",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1396",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA437",
        "title": "جنگل های تصادفی بهبودیافته برای متغیر پاسخ رتبه ای ",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1396,
        "authors": [
            {
                "name": "مریم علی بیگی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "داود شاهسونی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "درخت تصمیم",
            "درخت استنباط شرطی",
            "جنگل تصادفی",
            "جنگل تصادفی رتبه‌ای"
        ],
        "abstract": "جنگل تصادفی یکی از روش‌های فراگیر و مدرن داده‌کاوی است که در زمره روش‌های اجماع خودگردان یا  Baggingقرار گرفته و ترکیبی از درخت‌های تصمیم می‌باشد. این روش، یک ابزار معمول برای رده‌بندی داده‌ها در ابعاد بالا است به طوری که قادر به پیش‌بینی رده مشاهدات و تعیین رتبه متغیرهای پیش‌گو براساس میزان اهمیت آن متغیرها بوده و قابل استفاده برای متغیر پاسخ از نوع کمّی، اسمی یا بقا است. اما وقتی متغیر پاسخ از نوع رتبه‌ای است، بطور معمول آن را به صورت اسمی در نظر می‌گیرند که باعث نادیده گرفتن اطلاعات رتبه‌ای و کاهش دقت پیش‌بینی می‌شود. در این پایان‌نامه با اعمال تغییراتی در الگوریتم درخت تصمیم، گونه‌ای متفاوت از روش جنگل تصادفی که مختص متغیر پاسخ رتبه‌ای است مورد مطالعه قرار می‌گیرد. نتایج داده‌های شبیه‌سازی و واقعی حاکی از آن است که با اعمال این تغییرات، عملکرد پیش‌بینی نسبت به روش کلاسیک جنگل تصادفی بهبود یافته است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA437.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}