عنوان المقالة:كشف النقاب عن رؤى البيانات الضخمة: نهج التصنيف النيوتروسوفي لتحسين التنبؤ باستخدام التعلم الآلي Unveiling Big Data Insights: A Neutrosophic Classification Approach for Enhanced Prediction with Machine Learning
إن الحجم المتزايد باستمرار وتعقيد البيانات الضخمة يشكلان تحديات لمهام التصنيف التقليدية. يستكشف هذا البحث إمكانات المجموعات النيتروسوفية (NS)، وهو إطار عمل قوي للتعامل مع عدم اليقين، في بناء نماذج تصنيف قوية للتنبؤ بالبيانات الضخمة باستخدام تقنيات التعلم الآلي (ML). نقدم خلفية مفصلة عن المجموعات النيتروسوفية ونناقش مزاياها مقارنة بالمجموعات الضبابية. ثم نقترح منهجية تدمج المجموعات النيتروسوفية مع خوارزميات التعلم الآلي ذات الصلة للتصنيف. نقوم بتقييم أداء نموذجنا القائم على النيتروسوفية على مصدر بيانات ضخمة. يتم تحليل النتائج لتقييم فعالية نهج النيتروسوفية للتنبؤ بالبيانات الضخمة. يساهم هذا البحث في تقدم إدارة عدم اليقين في تصنيف البيانات الضخمة ويمهد الطريق لمزيد من الاستكشاف لنماذج التعلم الآلي القائمة على النيتروسوفية لمهام التنبؤ المختلفة. تظهر النتائج أن نموذج الشبكات العصبية النيوتروصوفية حقق أداءً جديرًا بالثناء عبر مقاييس مختلفة، بدقة 79.08%، ودقة 74.58%، وتذكر 77.64%، ودرجة F1 75.63%. تشير هذه المقاييس إلى أن نموذج الشبكات العصبية النيوتروسوفية يوازن بشكل فعال بين التنازلات بين الدقة والتذكر، مما يوفر أداء تصنيف قويًا في سياق مجموعة البيانات المقيمة.
Abstract
The ever-growing volume and complexity of Big Data pose challenges for traditional classification tasks. This paper explores the potential of Neutrosophic Sets (NS), a powerful framework for handling uncertainty, in building robust classification models for Big Data prediction using Machine Learning (ML) techniques. We provide a detailed background on NS and discuss its advantages over Fuzzy Sets. We then propose a methodology that integrates NS with relevant ML algorithms for classification. We evaluate the performance of our Neutrosophic-based model on a Big Data source. The results are analyzed to assess the effectiveness of the Neutrosophic approach for Big Data prediction. This research contributes to the advancement of uncertainty management in Big Data classification and paves the way for further exploration of Neutrosophic-based ML models for various prediction tasks. Results show that the Neutrosophic Neural Networks (NNs) model achieved commendable performance across various metrics, with an accuracy of 79.08%, precision of 74.58%, recall of 77.64%, and an F1-score of 75.63%. These metrics indicate that the Neutrosophic NNs model effectively balances the trade-offs between precision and recall, providing a robust classification performance in the context of the evaluated dataset.
أ.د. أحمد سلامة | Prof. Dr. Ahmed Salama | 10221