5. Omówic drzewa decyzji

Drzewa decyzji - Drzewa decyzyjne to jedna z najczęściej wykorzystywanych technik

analizy danych. Algorytm drzew decyzyjnych jest również stosowany w uczeniu maszynowym do uzyskania wiedzy na podstawie przykładów. Zadaniem drzew decyzyjnych może być zarówno stworzenie planu, jak i rozwiązanie problemu decyzyjnego. Metoda drzew decyzyjnych jest szczególnie przydatna w problemach decyzyjnych oraz w przypadku podejmowania decyzji w warunkach ryzyka. Czasem drzewa decyzji stosuje się podczas wstępnej analizy danych do selekcji cech czy łączenia różnych kategorii. Drzewo składa się z węzłów (decyzji) i gałęzi (możliwych wariantów), decyzje oznaczamy prostokątami, konsekwencje kołami a węzły końcowe trójkątami. Tradycyjnie drzewem decyzji jest graf, którego węzeł macierzysty (korzeń) jest utworzony przez wybrany atrybut, natomiast poszczególne krawędzie (gałęzie) prowadza do węzłów potomnych reprezentujących wartości atrybutów.

Do głównych zalet drzew decyzyjnych można zaliczyć:

• Reprezentowanie dowolnych pojęć.

• Niewielka zajętość pamięci.

• Czytelność dla człowieka ze względu na drzewiastą strukturę.

Do głównych wad zaliczamy:

• Algorytm budowy drzewa testuje wartość pojedynczo, dlatego spowodowany jest niepotrzebny rozrost drzewa dla danych.

• Drzewa decyzyjne jest trudno aktualizować.

Przykładowe drzewo decyzyjne.

Rozwiązywanie problemu decyzyjnego:

1. Rozwiązywanie problemu przy pomocy drzewa decyzyjnego rozpoczynamy od węzłów końcowych tego drzewa.

2. Następnym krokiem jest zaznaczenie przy gałęziach wychodzących ze stanów natury odpowiadających im prawdopodobieństw.

3. Kolejny krok to wyznaczenie dla każdego węzła - stanu natury wartości oczekiwanej.

4. Optymalna ścieżka decyzji jest wyznaczona przez największe wartości oczekiwane.

Drzewa decyzji w uczeniu maszynowym służą do wyodrębniania wiedzy z zestawu przykładów. Zakładamy, że posiadamy zestaw przykładów: obiektów opisanych przy pomocy atrybutów, którym przyporządkowujemy jakąś konkretną decyzję

Przykładowe drzewo decyzji w uczeniu maszynowym.

Drzewo w tej postaci odzwierciedla, w jaki sposób na podstawie atrybutów były podejmowane decyzje klasyfikujące w prosty i przejrzysty sposób.

Wieczorek T. „Neuronowe modelowanie procesów technologicznych”, s. 151

Wieczorek T. „Neuronowe modelowanie procesów technologicznych”, s. 152

Wieczorek T. „Neuronowe modelowanie procesów technologicznych”, s. 152

http://pl.wikipedia.org/wiki/Drzewo_decyzyjne

http://pl.wikipedia.org/wiki/Drzewo_decyzyjne

http://pl.wikipedia.org/wiki/Drzewo_decyzyjne

http://pl.wikipedia.org/wiki/Drzewo_decyzyjne