پاورپوینت یادگیری درخت تصمیم (pptx) 41 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 41 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا یادگیری درخت تصمیم مقدمه در یک مسئله یادگیری با دو جنبه مختلف روبرو هستیم: نحوه نمایش فرضیه ها روشی که برای یادگیری برمی گزینیم در این فصل برای نمایش فرضیه ها از درخت تصمیم استفاده میکنیم و برای یادگرفتن این درخت از روش ID3 استفاده میکنیم. درخت تصمیم درختها درهوش مصنوعی برای نمایش مفاهیم مختلفی نظیر ساختار جملات، معادلات، حالات بازی، و غیره استفاده میشود. یادگیری درخت تصمیم روشی برای تقریب توابع هدف با مقادیر گسسته است. این روش نسبت به نویز داده هامقاوم بوده وقادر است ترکیب فصلی گزاره های عطفی را یاد بگیرد. این روش جزو مشهورترین الگوریتمهای یادگیری استقرائی است که بصورت موفقیت آمیزی در کاربردهای مختلف بکار گرفته شده است. نمایش درخت تصمیم درخت تصمیم درختی است که در آن نمونه ها را به نحوی دسته بندی میکند که از ریشه به سمت پائین رشد میکنند و در نهایت به گره های برگ میرسد: هر گره داخلی یاغیر برگ (non leaf) با یک ویژگی (attribute) مشخص میشود. این ویژگی سوالی را در رابطه با مثال ورودی مطرح میکند. درهر گره داخلی به تعداد جوابهای ممکن با این سوال شاخه (branch) وجود دارد که هر یک با مقدار آن جواب مشخص میشوند. برگهای این درخت با یک کلاس و یا یک دسته از جوابها مشخص میشوند. علت نامگذاری آن با درخت تصمیم این است که این درخت فرایند تصمیم گیری برای تعیین دسته یک مثال ورودی را نشان میدهد. مثالی از یک درخت تصمیم محل درد تب سرفه شکم باکتری گلو سکته سینه هیچکدام بله خیر آپاندیس ویروسی تب بله خیر آنفولانزا سرماخوردگی بله خیر هیچکدام هر برگ این درخت یک کلاس یا دسته را مشخص میکند. یک مثال آموزشی در درخت تصمیم به این صورت دسته بندی میشود: از ریشه درخت شروع میشود. ویژگی معین شده توسط این گره تست می گردد. و سپس منطبق با ارزش ویژگی در مثال داده شده در طول شاخه ها حرکت رو به پائین انجام می دهد. این فرآیند برای گره های زیردرختان گره جدید تکرار می شود. کاربردها درخت تصمیم در مسایلی کاربرد دارد که بتوان آنها را بصورتی مطرح نمود که پاسخ واحدی بصورت نام یک دسته یا کلاس ارائه دهند. برای مثال میتوان درخت تصمیمی ساخت که به این سوال پاسخ دهد: بیماری مریض کدام است؟ و یا درختی ساخت که به این سوال پاسخ دهد: آیا مریض به هپاتیت مبتلاست؟ برای مسائلی مناسب است که مثالهای آموزشی بصورت زوج (مقدار-ویژگی) مشخص شده باشند. تابع هدف دارای خروجی با مقادیر گسسته باشد. مثلا هر مثال با بله و خیر تعیین شود. نیاز به توصیف گر فصلی (disjunctive) باشد. ویژگی های درخت تصمیم برای تقریب توابع گسسته بکار می رود (classification) نسبت به نویز داده های ورودی مقاوم است برای داده های با حجم بالا کاراست از این رو درData mining استفاده می شود می توان درخت را بصورت قوانین if-then نمایش داد که قابل فهم برای استفاده است امکان ترکیب عطفی و فصلی فرضیه ها را می دهد در مواردی که مثالهای آموزشی که فاقد همه ویژگیها هستند نیز قابل استفاده است نحوه نمایش درخت تصمیم ارتباط مستقیمی بین درخت تصمیم ونمایش توابع منطقی وجود دارد.درواقع هردرخت تصمیم ترکیب فصلی گزاره های عطفی است مسیر از ریشه به برگ ترکیب عطفی (AND)از ویژگی ها را مشخص نموده و خوددرخت ترکیب فصلی(OR) این ترکیبات را میسازد.