PSI/LS/z6a

From WikiZMSI

Drzewa decyzyjne w praktyce

Do wykonania zadań należy użyć aplet: AI Space Decision Tree.

Opis narzędzia wraz z filmami instuktażowymi AI Space Decision Tree description.

Zadania do wykonania

1. Załadować bazę danych "Mail reading (simplified)". Dokonać klasyfikacji manualnej i automatycznej. Przetestować model.
2. Załadować bazę danych "Cassification of animals". Dokonać klasyfikacji manualnej i automatycznej.
3. Załadować bazę: Jane's pizza. Zbudować drzewo klasyfikacji i przetestować.
4. Stworzyć bazę z danch Lenses. Zbudować drzewo klasyfikacji.

Wejściówka

1. Na czym polega zadanie klasyfikacji?
2. Co to jest drzewo decyzyjne. Co znajduje się w węzłach i krawędziach drzewa.
3. Odczytywanie reguł z drzewa decyzyjnego.
4. Co to jest entropia i jak się ją oblicza.
5. Co to jest przyrost informacji (information gain).
6. Co to jest współczynnik przyrostu informacji (information gain ratio) i do czego stosuje się go w algorytmach tworzenia drzew decyzyjnych.
7. Wiedzieć jak interpretować dane ze zbioru (atrybuty, klasa, wartości).
8. Co to jest trening (uczenie) a co to jest testowanie klasyfikatora?
9. Co może warunkować przerwanie procesu generowania drzewa?
10. Jakie są konsekwencje wygenerowania niepełnego drzewa?