Indução de Árvores de Decisão

More documents

Recommendations

Info

Algoritmo TDIDT [C4.5, Quinlan, 1993] Generate_tree(R, C, T) // R: set of non-categorical attribute // C: categorical attribute, T: training data 1. if T has the same categorical value then return a single node with the value 2. if R={} then return a single node with most frequent categorical value in T 3. A = attribute with highest information gain, Gain(T,A) among R 4. Let A 1 , A 2 , .., A m the attribute values of A 5. Let T 1 , T 2 , .., T m the subsets of T partitioned by of A i 6. return a node with A and m links as follows 7. for i = 1 to m do 1. Generate_tree(R-{A}, C, T i ) 20
Classificando Novos Exemplos Uma DT pode ser usada para classificar novos exemplos (nunca vistos) A partir da raiz basta descer através dos nós de decisão até encontrar um nó folha: a classe correspondente a esse nó folha é a classe do novo exemplo Um exemplo (sem valores desconhecidos) é classificado apenas por uma regra (subárvore) 21
Page 1: Indução de Árvores de José Augu
Page 4 and 5: DT para Jogar Tênis Atributos: A
Page 6 and 7: DT para Jogar Tênis Alta Normal N
Page 8 and 9: DT para Jogar Tênis Aparência Tem
Page 14 and 15: Exemplo: Árvore de Decisão saudá
Page 16 and 17: saudável Representação da DT com
Page 18 and 19: saudável Representação da DT com
Page 28 and 29: Árvore de Decisão Induzida (sem p
Page 30 and 31: Árvore de Decisão Induzida (podad
Page 32 and 33: Relação entre Tamanho da Árvore
Page 34 and 35: Escolha do Atributo A chave para o
Page 36 and 37: Exercício Calcule info(T) para U
Page 38 and 39: Entropia Considere agora que T foi
Page 40 and 41: Solução [29+,35-] True False [21+
Page 42 and 43: Exercício [29+,35-] True False [21
Page 44 and 45: Exemplo 44
Page 52: Escolha do Atributo para Particiona
Page 61: Árvore de Decisão Induzida Umidad
Page 64 and 65: Razão de Ganho T=[1a,1b,1c,...,1o,
Page 66 and 67: Razão de Ganho Usando o exemplo a
Page 68 and 69: Exemplo 68
Page 70 and 71:
Escolha do Atributo para Particiona
Page 72:
Escolha do Atributo para Particiona
Page 85 and 86:
Atributos com Valores Desconhecidos
Page 87 and 88:
Atributos com Valores Desconhecidos
Page 89 and 90:
Escolha de um Teste Assumindo que
Page 91 and 92:
Exercício Calcular info(T), info(A
Page 93 and 94:
Solução 93
Page 95 and 96:
Particionando o Conjunto de Treinam
Page 97 and 98:
Exemplo Quando os 14 exemplos são
Page 99 and 100:
Exemplo Distribuições de classes
Page 102 and 103:
Exemplo aparencia = sol :...umidade
Page 104 and 105:
Pré-Poda Evita gastar tempo const
Page 106 and 107:
Pós-Poda Existem várias forma de
Page 108 and 109:
Análise de Complexidade Vamos ass
Page 110 and 111:
Interpretação Geométrica Consid
Page 112 and 113:
X2 8 Interpretação Geométrica p/
Page 114 and 115:
X2 8 Interpretação Geométrica p/
Page 116 and 117:
Combinação Linear de Atributos P
Page 118 and 119:
Resumo Árvores de decisão, em ge
Page 120 and 121:
nenhuma (12) taxa-producao-lagrimas
Page 122 and 123:
nenhuma (12) taxa-producao-lagrimas
Page 124:
7 6 5 4 3 2 1 C A B 1 2 3 4 5 6 7 8
show all

Indução de Árvores de Decisão

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?