بخشی از پاورپوینت
--- پاورپوینت شامل تصاویر میباشد ----
اسلاید 1 :
مقدمه
lدر یک مسئله یادگیری با دو جنبه مختلف روبرو هستیم:
lنحوه نمایش فرضیه ها
lروشی که برای یادگیری برمی گزینیم
lدر این فصل برای نمایش فرضیه ها از درخت تصمیم استفاده میکنیم و برای یادگرفتن این درخت از روش ID3 استفاده میکنیم.
l
اسلاید 2 :
درخت تصمیم
lدرختها درهوش مصنوعی برای نمایش مفاهیم مختلفی نظیر ساختار جملات، معادلات، حالات بازی، و غیره استفاده میشود.
lیادگیری 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.
lاین روش جزو مشهورترین الگوریتمهای یادگیری استقرائی است که بصورت موفقیت آمیزی در کاربردهای مختلف بکار گرفته شده است.
اسلاید 3 :
نمایش درخت تصمیم
l 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:
lهر گره داخلی یاغیر برگ (non leaf) با یک ویژگی (attribute) مشخص میشود. این ویژگی سوالی را در رابطه با مثال ورودی مطرح میکند.
lدرهر گره داخلی به تعداد جوابهای ممکن با این سوال شاخه (branch) وجود دارد که هر یک با مقدار آن جواب مشخص میشوند.
lبرگهای این درخت با یک کلاس و یا یک دسته از جوابها مشخص میشوند.
lعلت نامگذاری آن با درخت تصمیم این است که این درخت فرایند تصمیم گیری برای تعیین دسته یک مثال ورودی را نشان میدهد.
اسلاید 4 :
مثالی از یک درخت تصمیم
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.
اسلاید 5 :
کاربردها
lدرخت تصمیم در مسایلی کاربرد دارد که بتوان آنها را بصورتی مطرح نمود که پاسخ واحدی بصورت نام یک دسته یا کلاس ارائه دهند.
lبرای 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؟
lبرای مسائلی مناسب است که مثالهای آموزشی بصورت زوج (مقدار-ویژگی) مشخص شده باشند.
lتابع هدف دارای خروجی با مقادیر گسسته باشد. مثلا هر مثال با بله و خیر تعیین شود.
lنیاز به توصیف گر فصلی (disjunctive) باشد.
اسلاید 6 :
ویژگی های درخت تصمیم
lبرای تقریب توابع گسسته بکار می رود (classification)
lنسبت به نویز داده های ورودی مقاوم است
lبرای داده های با حجم بالا کاراست از این رو درData mining استفاده می شود
lمی توان درخت را بصورت قوانین if-then نمایش داد که قابل فهم برای استفاده است
lامکان ترکیب عطفی و فصلی فرضیه ها را می دهد
lدر مواردی که مثالهای آموزشی که فاقد همه ویژگیها هستند نیز قابل استفاده است
اسلاید 7 :
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.
00
مثال
lترکیب عطفی
اسلاید 9 :
lترکیب فصلی
اسلاید 10 :
lتابع XOR
l
l
l
XOR
