پاورپوینت داده کاوی جریان‌ داده ها با درخت های تصمیم گیری

***2

■کلاسه بندی

■فرایندی دو مرحله ای است :

■ساخت مدل :

■تحلیل یک مجموعه آموزشی که مجموعه‌ای از تاپل‌های پایگاه است و مشخص کردن برچسب کلاس‌های مربوط به این تاپل‌ها .

■ یک تاپل X با یک بردار صفت X=(x1,x2,…,xn) نمایش داده می‌شود . فرض می شود که هر تاپل به یک کلاس از پیش تعریف شده متعلق است .

■هرکلاس با یک صفت که به آن صفت برچسب کلاس می‌گوییم مشخص می‌شود .

■ مجموعه آموزشی به صورت تصادفی از پایگاه انتخاب می شود .

■به این مرحله ، مرحله یادگیری نیز می گویند .

■استفاده از مدل :

■از طریق یک تابع y=f(X) برچسب  کلاس هر تاپل X از پایگاه را پیش بینی می شود .

■این تابع به صورت قواعد کلاسه‌بندی ، درخت‌های تصمیم گیری یا فرمول‌های ریاضی است . 

***3

■درخت های تصمیم گیری

■یکی از روش های کارآمد و با کاربرد گسترده کلاسه بندی است .

■مدل حاصل از این روش به صورت درختهای تصمیم گیری است :

■هر گره در این درخت نشان دهنده یک آزمون بر روی یک صفت است .

■هر شاخه خارج شونده از یک گره نشان دهنده خروجی های ممکن آزمون است .

■هر برگ نشان دهنده یک برچسب کلاس است .

■نحوه استفاده از درخت تصمیم گیری :

■اگر تاپلی چون X که برچسب کلاس آن نامشخص است داشته باشیم صفات این تاپل در درخت مورد آزمون قرار می گیرند و یک مسیر از ریشه به سمت یک برگ که برچسب یک کلاس را دارد ایجاد می شود .

***6

الگوریتم برای درخت های تصمیم گیری

***7

■چالش ها

■روش های ساختن درختان تصمیم گیری فرض می کنند که تمام مجموعه آموزشی به طور همزمان می تواند در دیسک ذخیره شود .

■روش های مذکور بصورت پیاپی مجموعه آموزشی را از دیسک می خوانند .

■هدف : طراحی درخت های تصمیم گیری که هر نمونه آموزشی را فقط یکبار بخواند زمان کوتاه ثابتی را برای پردازش آن صرف کند .