درخت تصمیم فازي مدلی ترکیبی است که درخت تصمیم را با منطق فازي ترکیب کرده است.در این مقاله براي ساخت درخت فازي از شبکه عصبی فازي استفاده شده است که درخت عصبی فازي نامیده میشود. ساختار کلی درخت عصبی فازي همانند درخت فازي است و در هر گره داخلی درخت، به جاي استفاده از یک شرط فازي براي بخشبندي، از شبکه عصبی فازي استفاده شده است تا علاوه بر استفاده از مزایاي درخت فازي، از مزایاي شبکه عصبی فازي همانند انعطافپذیري نیز بهرهمند شویم. درخت عصبی فازي داراي یادگیر ي برخط است و براي یادگیري دادههايجریانی مناسب است و به راحتی میتواند با تغییر مفهوم ایجاد شده در دادههاي جریانی وفق پیدا کند. همچنین درخت عصبی فازي میتواند دادههاي مغشوش و ویژگیهاي بدون مقدار را مدیریت کند. نتایج آزمایشات نشان میدهندکه درخت عصبی فازي داراي مزایاي بهتري نسبت به سایر دستهبندها براي دادههاي جریانی است
درخت تصمیم فازي مدلی ترکیبی است که درخت تصمیم را با منطق فازي ترکیب کرده است.در این مقاله براي ساخت درخت فازي از شبکه عصبی فازي استفاده شده است که درخت عصبی فازي نامیده میشود. ساختار کلی درخت عصبی فازي همانند درخت فازي است و در هر گره داخلی درخت، به جاي استفاده از یک شرط فازي براي بخشبندي، از شبکه عصبی فازي استفاده شده است تا علاوه بر استفاده از مزایاي درخت فازي، از مزایاي شبکه عصبی فازي همانند انعطافپذیري نیز بهرهمند شویم. درخت عصبی فازي داراي یادگیر ي برخط است و براي یادگیري دادههايجریانی مناسب است و به راحتی میتواند با تغییر مفهوم ایجاد شده در دادههاي جریانی وفق پیدا کند. همچنین درخت عصبی فازي میتواند دادههاي مغشوش و ویژگیهاي بدون مقدار را مدیریت کند. نتایج آزمایشات نشان میدهندکه درخت عصبی فازي داراي مزایاي بهتري نسبت به سایر دستهبندها براي دادههاي جریانی است