ارزيابی ومقايسه الگوريتم های داده کاوی جهت دسته بندی پست های الکترونيکی

پست¬الکترونيک يکي از محبوب¬ترين و ارزان¬ترين راه¬ها براي برقراري ارتباط از طريق اينترنت است. نقص در پروتکل¬هاي پست¬الکترونيک و ميزان زياد تراکنش¬هاي مالي و تجاري الکترونيکي، مستقيما منجر به افزايش تهديدات مبتني بر پست الکترونيک مي¬شود. اسپم که با عنوان پيغام¬هاي ناخواسته از آن ياد مي¬شود، يکي از اصلي¬ترين مسائلي است که در اينترنت کنوني موجود است و باعث ويراني¬هاي مالي در شرکت¬ها مي¬شود. در بين روش¬هاي جلوگيري از اسپم، فيلترکردن يکي از مهم¬ترين تکنيک-هاست. در اين مقاله جهت دسته¬بندي پيغام¬هاي اسپم، از سه الگوريتم يادگيريOneR ، Naive Bayes، J48 استفاده شده است و در نرم¬افزار WEKA آزموده شده-اند. ابتدا يک تحليل مقايسه¬اي بين الگوريتم¬ها ارائه گشته است. تا حد ممکن ، سعی شده است تا الگوريتم ها بهينه شده و هر کدام با بالاترين درجه صحت خود در مقايسه با ديگري قرار گيرد و در آخر الگوريتمي که بهترين کارايي در پيش بيني اسپم دارد پيشنهاد مي گردد.

WEKA، OneR، Naive Bayes، J48، Precision، Recall