صفحه محصول - پاورپوینت داده‌ کاوی جريان‌ داده ‌ها با درخت‌های تصميم‌گيری

پاورپوینت داده‌ کاوی جريان‌ داده ‌ها با درخت‌های تصميم‌گيری (pptx) 18 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 18 اسلاید

قسمتی از متن PowerPoint (.pptx) :

1 داده‌کاوي جريان‌داده‌ها با درخت‌هاي تصميم‌گيري استاد : جناب آقاي دکتر رهگذر تهيه کننده : يوحنا قديمي - علی عباسی - کاوه پاشايي 2 کلاسه بندی فرايندی دو مرحله ای است : ساخت مدل : تحليل يک مجموعه آموزشی که مجموعه‌ای از تاپل‌های پايگاه است و مشخص کردن برچسب کلاس‌های مربوط به اين تاپل‌ها . يک تاپل X با يک بردار صفت X=(x1,x2,…,xn) نمايش داده می‌شود . فرض می شود که هر تاپل به يک کلاس از پيش تعريف شده متعلق است . هرکلاس با يک صفت که به آن صفت برچسب کلاس می‌گوييم مشخص می‌شود . مجموعه آموزشی به صورت تصادفی از پايگاه انتخاب می شود . به اين مرحله ، مرحله يادگيری نيز می گويند . استفاده از مدل : از طريق يک تابع y=f(X) برچسب کلاس هر تاپل X از پايگاه را پيش بينی می شود . اين تابع به صورت قواعد کلاسه‌بندی ، درخت‌های تصميم گيری يا فرمول‌های رياضی است . 3 درخت های تصميم گيری يکی از روش های کارآمد و با کاربرد گسترده کلاسه بندی است . مدل حاصل از اين روش به صورت درختهای تصميم گيری است : هر گره در اين درخت نشان دهنده يک آزمون بر روی يک صفت است . هر شاخه خارج شونده از يک گره نشان دهنده خروجی های ممکن آزمون است . هر برگ نشان دهنده يک برچسب کلاس است . نحوه استفاده از درخت تصميم گيری : اگر تاپلی چون X که برچسب کلاس آن نامشخص است داشته باشيم صفات اين تاپل در درخت مورد آزمون قرار می گيرند و يک مسير از ريشه به سمت يک برگ که برچسب يک کلاس را دارد ايجاد می شود . 4 مجموعه داده های آموزشی 5 درخت تصميم گيری برای buys_computer age? overcast student? credit rating? no yes fair excellent <=30 >40 no no yes yes yes 30..40 6 الگوريتم برای درخت های تصميم گيری الگوريتم پايه درخت به صورت بالا-پايين بازگشتی ساخته می شود . در آغاز تمام مجموعه آموزشی در ريشه قرار دارند . فرض می کنيم صفات مقادير گسسته دارند . صفات به صورت بازگشتی بر حسب صفات انتخاب شده بخش بندی می شوند . صفات آزمون بر اساس يک روال هيوريستيک مانند بهره اطلاعاتی ، شاخص جينی يا نسبت بهره انتخاب می شوند . شرايط توقف الگوريتم تمام نمونه های مربوط به يک نود متعلق به يک کلاس باشند . صفتی برای بخش بندی بيشتر باقی نمانده باشد . نمونه ای باقی نمانده باشد . 7 چالش ها روش های ساختن درختان تصميم گيری فرض می کنند که تمام مجموعه آموزشی به طور همزمان می تواند در ديسک ذخيره شود . روش های مذکور بصورت پياپی مجموعه آموزشی را از ديسک می خوانند . هدف : طراحی درخت های تصميم گيری که هر نمونه آموزشی را فقط يکبار بخواند زمان کوتاه ثابتی را برای پردازش آن صرف کند . 8 نکات کليدی برای يافتن بهترين صفت در هر گره ، در نظر گرفتن يک زيرمجموعه کوچک از نمونه های آموزشی که از آن گره عبور می کنند کافی است . با در دست داشتن جريانی از نمونه ها ، اولين نمونه ها برای انتخاب صفت ريشه استفاده می شوند . با تعيين شدن صفت ريشه ، نمونه های بعدی به سمت پايين و برگهای مربوطه عبور داده می شوند تا برای انتخاب صفت در آنجا استفاده شوند . اين عمل به صورت بازگشتی تکرار می شود . چه تعداد نمونه در هر گره لازم است ؟ از يک نتيجه آماری به نام Hoeffding bound استفاده می کنيم . 9 Hoeffding Bound يک متغيير تصادفی با نام r که دارای مقادير حقيقی و برد R است را در نظر بگيريد . فرض کنيد که n مشاهده مستقل از اين متغير انجام می‌دهيم . ميانگين اين مشاهدات : Hoeffding Bound نشان می‌دهد که ميانگين واقعی متغير r بعد از اين n مشاهده با احتمال 1-δ حداقل برابر –ε است که در آن :