fa معرفی روشی جدید برای نقطه انشعاب در تولید درختان تصمیم آمار کاربردی Applied Statistics پژوهشی بنیادی Research قابلیت تفسیر پذیری بالا و سادگی فهم درختان تصمیم، آنها را به یکی از پرکاربرد ترین الگوریتم<br> های یادگیری ماشین تبدیل کرده است. موضوع کلیدی در ساخت درختان تصمیم کارامد و موثر، بکارگیری<br> روش انشعاب مناسب است. این مقاله یک روش انشعاب جدید جهت تولید درخت مبتنی بر معیار تی‑<br> آنتروپی برای نقطه انشعاب پیشنهاد می کند. روش ارایه شده روی سه مجموعه داده توسط ۱۱ معیار<br> ارزیابی، مورد بررسی قرارگرفته است. نتایج نشان می دهد که روش معرفی شده در ساخت درخت تصمیم<br> نسبت به روش های معروف شاخص جینی، آنتروپی های شانون، تیسالیس و رنی عملکرد دقیقتری دارد<br> و می تواند به عنوان روش جایگزین در تولید درخت تصمیم مورد استفاده قرار گیرد. High interpretability and ease of understanding decision trees have made<br> them one of the most widely used machine learning algorithms. The key to building<br> efficient and effective decision trees is to use the suitable splitting method. This<br> paper proposes a new splitting approach to produce a tree based on the T-entropy criterion<br> for the splitting method. The method presented on three data sets is examined<br> by 11 evaluation criteria. The results show that the introduced method in making<br> the decision tree has a more accurate performance than the well-known methods of<br> Gini index, Shannon, Tisalis, and Renny entropies and can be used as an alternative<br> method in producing the decision tree. درخت تصمیم, آنتروپی, تی‑آنتروپی, روش انشعاب, معیار ارزیابی Decision tree, entropy, T-entropy, splitting method, evaluation criteria 331 348 http://jss.irstat.ir/browse.php?a_code=A-10-700-1&slc_lang=fa&sid=1 Alireza Chaji علیرضا چاجی a.chaji@scu.ac.ir 0651901618 10031947532846009047 Yes Department of Electrical Engineering, Shohadaye Hoveizeh Campus of Technology, Shahid Chamran University of Ahvaz, Dashte-Azadegan, Khuzestan, Iran دانشگاه شهید چمران اهواز