انجام پروژه های داده کاوی

الگوریتم درخت تصمیم

ساختار درخت تصمیم یک ساختار درختی ، شبیه فلوچارت میباشد

بالاترین گره در درخت گره ریشه است و گره های برگ ،دسته ها یا توزیع دسته ها را نشان می دهند

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
درخت تصمیم یکی از ابزار های قوی و متداول برای دسته بندی و پیش بینی می باشد.در خت تصمیم بر خلاف شبکه های عصبی به تولید قاعده می پردازد.در ساختار درخت تصمیم ف پیش بینی به دست امده از درخت در قالب یگسری قواعد توضیح داده می شود . در حالی که در شبکه های عصبی تنها نتیجه پیش بینی بیان میشود و چگونگی به دست امدن انها در خود شبکه پنهان می ماند. همچنین در درخت تصمیم برخلاف شبکه های عصبی ضرورتی وجود ندارد که داده ها لزوما به صورت عددی باشند
:خصوصیات درخت تصمیم به موارد زیر می تواند اشاره کند :

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
روش درخت تصمیم در تقسیم بندی داده ها به گرو ه های مختلف به گونه ای است که هیچ داده ای حذف نمی شود ، تعداد داده ها در گروه مادر با مجموع داده ها در شاخه های در خت ایجاد شده برابر است

استفاده از درخت تصمیم اسان است

درک مدل ایجاد شده توسط درخت تصمیم اسان است

دسته بندی هایی که توسط درخت تصمیم ایجد می شوند ، از روی شباهت داده های ذخیره شده در پارامتر های پیش بینی کننده ، قابل انجام می باشد

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
انواع متغیر های موجود در داده های در خت تصمیم :

در مسائل مرتبط با درختهای تصمیم با دو نوع متغیر ها مواجه هستیم :

متغیر های عددی مثل مشخصه "سن که مقادیر ان عددی است

متغیر های طبقه ای مثل مشخصه نوع ماشین که مقادیر آن متنی و گروهی میباشد

از این متغیر ها برای پیش بینی متغیر هدف یا متغیر وابسته استفاده می کنیم در مثال فوق به متغیر های سن و نوع ماشین که متغیر های مستقل هستند ، متغیر پیش بینی کننده گویند و به متغیر های وابسته برچسب دسته گویند . در مثال بالا متغیر ریسک تصادف از نوع برچسب دسته می باشد

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
اگر متغیر وابسته از نوع عددی باشد مسئله رگرسیون یا پیش بینی تبدیل خواهد شد و اگر این متغیر از نوع طبقه ای باشد با یک مسئله دسته بندی مواجه هستیم