فایل دانلودی حاوی یک فایل پاوروینتی قابل ویرایش در  43   اسلاید به صورت متنی همراه با عکس و... می باشد.

قسمتی از متن فایل دانلودی

مقدمه

• در یک مسئله یادگیری با دو جنبه مختلف روبرو هستیم:
  • نحوه نمایش فرضیه ها
  • روشی که برای یادگیری برمی گزینیم
• در این فصل برای نمایش فرضیه ها از درخت تصمیم استفاده میکنیم و برای یادگرفتن این درخت از روش ID3 استفاده میکنیم.

درخت تصمیم

• درختها درهوش مصنوعی برای نمایش مفاهیم مختلفی نظیر ساختار جملات، معادلات، حالات بازی، و غیره استفاده میشود.
• یادگیری درخت تصمیم روشی برای تقریب توابع هدف با مقادیر گسسته است. این روش نسبت به نویز داده هامقاوم بوده وقادر است ترکیب فصلی گزاره های عطفی  را یاد بگیرد.
• این روش جزو مشهورترین الگوریتمهای یادگیری استقرائی است که بصورت موفقیت آمیزی در کاربردهای مختلف بکار گرفته شده است.

نمایش درخت تصمیم

• درخت تصمیم درختی است که در آن نمونه ها  را به نحوی دسته بندی میکند که از ریشه به سمت پائین رشد میکنند و در نهایت به گره های برگ میرسد:
  • هر گره داخلی یاغیر برگ (non leaf) با یک ویژگی (attribute) مشخص میشود.  این ویژگی سوالی را در رابطه با مثال ورودی مطرح میکند.
  • درهر گره داخلی به تعداد جوابهای ممکن با این سوال شاخه (branch) وجود دارد که هر یک با مقدار آن جواب مشخص میشوند.
  • برگهای این درخت با یک کلاس و یا یک دسته از جوابها مشخص میشوند.
• علت نامگذاری آن با درخت تصمیم این است که این درخت فرایند تصمیم گیری برای تعیین دسته یک مثال ورودی را نشان میدهد.

و.........

فهرست مطالب فایل دانلودی:

مقدمه

درخت تصمیم

نمایش درخت تصمیم

مثالی از یک درخت تصمیم

کاربردها

ویژگی های درخت تصمیم

نحوه نمایش درخت تصمیم

مثال

الگوریتم یادگیری درخت تصمیم

ایده اصلی ID3

بایاس درخت تصمیم

سئوال

الگوریتم ID3

نحوه ساختن درخت

کدام ویژگی طبقه بندی کننده بهتری است؟

مثال

معیار کمی اندازه گیری یک ویژگی کدام است؟

آنتروپی

مثال

سئوال

آنتروپی برای دسته بندی های غیر بولی

بهره اطلاعات(Information Gain)

مثال

Overfitting

پرهیز ازOverfitting

حرس کردن درخت به روش Reduced Error Pruning

Overfitting یک پدیده عمومی است

در نظر گرفتن  ویژگی های با مقادیر پیوسته

سایر معیارهای انتخاب ویژگی برای درخت

معیار نسبت بهره یا gain ratio

ویژگی هائی با هزینه متفاوت

مثالهائی با ویژگی های نامعلوم

UCI Machine Learning Repository

موضوع ارائه