درختهای و - یا∗ که نام دیگر آن ها درختان تصمیم∗ است، نمونه ها را با مرتب کردن آن ها در درخت از گره ریشه به سمت گره های برگ دسته بندی می کنند.
در حالت کلی، درختان تصمیم یک ترکیب فصلی از ترکیبات عطفی قیود روی مقادیر صفات نمونه ها را بازنمایی می کنند. هر مسیر از ریشه درخت به یک، برگ متناظر با یک ترکیب عطفی صفات تست موجود در آن مسیر بوده و خود درخت نیز متناظر با ترکیب فصلی همه این ترکیبات عطفی می باشد.
• ریشه درخت مسئله اصلی را در بر می گیرد.
• هر گره داخلی در درخت، صفتی از نمونه را آزمایش می کند و هر شاخه ای که از آن گره خارج می شود متناظر یک مقدار ممکن برای آن صفت می باشد.
• به هر گره برگ، یک دسته بندی منتسب می شود. هر نمونه، با شروع از گره ریشه درخت و آزمایش صفت مشخص شده توسط این گره و حرکت در شاخهٔ متناظر با مقدار صفت داده شده در نمونه، دسته بندی می شود.
• این فرایند برای هر زیردرختی که گره جدید ریشه آن می باشد تکرار می شود.
برای نمایش درخت و - یا می توان از نمودار درختی یا یک جدول استفاده کرد که در زیر یک درخت و - یا در هر دو نمودار نشان داده شده است.
مثال نمایش داده شده در اصل، ترسیم گزاره منطقی زیر است:
در این مسئله هدف آنست که به جواب درست برسیم و مسیری که ما را به جواب «بله» می رساند را تعیین می کنیم.
• درخت تصمیم در مسایلی کاربرد دارد که بتوان آن ها را بصورتی مطرح نمود که پاسخ واحدی به صورت نام یک دسته یا کلاس ارائه دهند.
• برای مثال می توان درخت تصمیمی ساخت که به این سؤال پاسخ دهد: بیماری مریض بیماری کدام است؟ یا درختی ساخت که به این سؤال پاسخ دهد: آیا مریض به هپاتیت مبتلاست؟
• برای مسائلی مناسب است که مثال های آموزشی به صورت زوج ( مقدار - ویژگی ) مشخص شده باشند.
• تابع هدف دارای خروجی با مقادیر گسسته باشد. مثلاً هر مثال با بله و خیر تعیین شود.
• نیاز به توصیف گر فصلی∗ باشد.
• برای تقریب توابع گسسته بکار می رود. ∗
• نسبت به نویز داده های ورودی مقاوم است.
• برای داده های با حجم بالا کاراست از این رو در داده کاوی استفاده می شود.
• می توان درخت را به صورت قوانین if - then نمایش داد که قابل فهم برای استفاده است.
• امکان ترکیب عطفی و فصلی فرضیه ها را می دهد.
• در مواردی که مثال های آموزشی که فاقد همه ویژگی ها هستند نیز قابل استفاده است.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفدر حالت کلی، درختان تصمیم یک ترکیب فصلی از ترکیبات عطفی قیود روی مقادیر صفات نمونه ها را بازنمایی می کنند. هر مسیر از ریشه درخت به یک، برگ متناظر با یک ترکیب عطفی صفات تست موجود در آن مسیر بوده و خود درخت نیز متناظر با ترکیب فصلی همه این ترکیبات عطفی می باشد.
• ریشه درخت مسئله اصلی را در بر می گیرد.
• هر گره داخلی در درخت، صفتی از نمونه را آزمایش می کند و هر شاخه ای که از آن گره خارج می شود متناظر یک مقدار ممکن برای آن صفت می باشد.
• به هر گره برگ، یک دسته بندی منتسب می شود. هر نمونه، با شروع از گره ریشه درخت و آزمایش صفت مشخص شده توسط این گره و حرکت در شاخهٔ متناظر با مقدار صفت داده شده در نمونه، دسته بندی می شود.
• این فرایند برای هر زیردرختی که گره جدید ریشه آن می باشد تکرار می شود.
برای نمایش درخت و - یا می توان از نمودار درختی یا یک جدول استفاده کرد که در زیر یک درخت و - یا در هر دو نمودار نشان داده شده است.
مثال نمایش داده شده در اصل، ترسیم گزاره منطقی زیر است:
در این مسئله هدف آنست که به جواب درست برسیم و مسیری که ما را به جواب «بله» می رساند را تعیین می کنیم.
• درخت تصمیم در مسایلی کاربرد دارد که بتوان آن ها را بصورتی مطرح نمود که پاسخ واحدی به صورت نام یک دسته یا کلاس ارائه دهند.
• برای مثال می توان درخت تصمیمی ساخت که به این سؤال پاسخ دهد: بیماری مریض بیماری کدام است؟ یا درختی ساخت که به این سؤال پاسخ دهد: آیا مریض به هپاتیت مبتلاست؟
• برای مسائلی مناسب است که مثال های آموزشی به صورت زوج ( مقدار - ویژگی ) مشخص شده باشند.
• تابع هدف دارای خروجی با مقادیر گسسته باشد. مثلاً هر مثال با بله و خیر تعیین شود.
• نیاز به توصیف گر فصلی∗ باشد.
• برای تقریب توابع گسسته بکار می رود. ∗
• نسبت به نویز داده های ورودی مقاوم است.
• برای داده های با حجم بالا کاراست از این رو در داده کاوی استفاده می شود.
• می توان درخت را به صورت قوانین if - then نمایش داد که قابل فهم برای استفاده است.
• امکان ترکیب عطفی و فصلی فرضیه ها را می دهد.
• در مواردی که مثال های آموزشی که فاقد همه ویژگی ها هستند نیز قابل استفاده است.
wiki: درخت و یا