Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł
Jednym z przykładów pozyskiwania wiedzy w sposób indukcyjny jest generowanie reguł za pomocą drzew decyzyjnych. W metodzie tej stosuje się tzw. atrybutowy model opisu przestrzeni zainteresowania. W szczególności: aby móc w ten sposób przystąpić do reprezentowania wiedzy, należy najpierw określić n- wymiarową przestrzeń, gdzie „n" odpowiada liczbie uwzględnianych atrybutów. Dla każdego atrybutu określamy - zwykle nieliczny - zbiór wartości o charakterze ilościowym lub jakościowym. Wartości atrybutów dla pewnej grupy obiektów tworzą tzw. przykłady uczące, na podstawie których zostanie pozyskana wiedza (zidentyfikowane drzewo decyzyjne)
Przykłady uczące opisują obiekty, które zostały odpowiednio sklasyfikowane. tzn. każdemu obiektowi zastała przypisana znana klasa. Zakłada się, że klasyfikacja jest tu jednoznaczna i ostra.
Jednoznaczność polega na tym, że dany obiekt może należeć tylko do jednej klasy.
Ostrość polega na tym, że dany obiekt albo należy do danej klasy w pełni - albo wcale do niej nie należy.
Elementami struktury drzewa decyzyjnego są: • korceń,• gałęzie, • węzły,• liście. '
Korzeń jest początkiem drzewa decyzyjnego. Zawiera on nazwę jednego z atrybutów. Z korzenia rozchodzą się gałęzie, które są opisane wartościami atrybutu wybranego na korzeń. Ich liczba zależna jest od liczby wartości danego atrybutu. Każda gałąź jest zakończona węzłem, w którym znajduje się nazwa kolejnego atrybutu. Od każdego węzła rozchodzą się gałęzie w sposób opisany wyżej. Zakończeniami każdego drzewa są liście, a więc liść jest również zakończeniem gałęzi. W liściu znajduje się nazwa klasy.
Drzewo decyzyjne jest jedną z form zapisu wiedzy. Każde drzewo można przekształcić do reguł postaci:
jeżeli przeslanka1 i przeslanka2 i ... to konkluzja.
Po pozyskaniu porcji wiedzy (drzewa, zbioru reguł), wiedzę tą należy zweryfikować. Jednym z możliwych sposobów weryfikacji wiedzy jest zastosowanie przykładów testowych. Zadanie polega na zastosowaniu pozyskanej wiedzy do klasyfikacji przykładów, które nie brały udziału w tworzeniu drzewa, natomiast znana jest ich klasa. Porównanie wyników klasyfikacji z wynikami oczekiwanymi daje możliwość oceny jakości pozyskanej wiedzy i nosi nazwę testowania drzewa/ zbioru reguł