این فایل متنی میتواند برای فصل دوم پایان نامه مورد استفاده قرار گیرد.
چکیده
یادگیری درخت تصمیم یکی از رایج ترین تکنیکهای یادگیری ماشین میباشد که به دلیل سادگی و کارامدی باعث شده است علی رغم مشکلاتی که در استفاده از آن همچون صفات دارای نویز و یا صفات فاقد مقدار یا … وجود دارد به شکل گسترده ای در مسائل مربوط به یادگیری ماشین استفاده شود. در این تحقیق سعی شده است به مسائل اصلی مطرح در زمینهء درخت طراحی مانند بازنمایی، طراحی، عام سازی و مشکلات و راه کارهای برخورد با آنها که توسعه یافته اند پرداخته شود و همچنین از برخی مسائل غیراصلی مانند درختان رگراسیون، نرم افزارهای آزمایشگاهی و تست آماری χ2 نیز ذکری به میان آید.
سر فصل مطالب :
فهرست
– چکیده 2
مقدمه 5
1-1- اهداف اصلي درختهاي تصميمگيري دستهبندي كننده 6
1-2- جذابیت درختان تصمیم 6
1-3- انواع درختان تصمیم 6
1-3-1- درختان رگراسیون 7
2- بازنمایی درخت تصمیم 8
2-1- توسعهء درختان تصمیم با گرافهای تصمیم 9
3- مسائل مناسب برای یادگیری درخت تصمیم 10
4- چه صفتی بهترین طبقه بندی کننده است؟ 11
4-1-1- بی نظمیهمگونی مثالها را اندازه گیری میکند. 11
4-1-2- نفع اطلاعات، کاهش مورد انتظار در بی نظمیرا اندازه گیری میکند. 13
4-2- یک مثال تشریحی 14
4-3- حالت خاصی از ساخت درخت تصمیم 15
5- جستجوی فضای فرضیه در یادگیری درخت تصمیم 16
5-1- قابلیتها و محدودیتهای الگوریتم ID3 16
6- بایاس قیاسی (استنتاجی) در یادگیری درخت تصمیم 17
6-1- بایاسهای محدودیت و بایاسهای ارجحیت 18
6-2- چرا فرضیات کوتاهتر را ترجیح میدهیم؟ 19
7- مسائل در یادگیری درخت تصمیم 20
7-1- اورفیتینگ دادهها 20
7-2- روشهای موجود برای ممانعت از اورفیتینگ 26
7-2-1- انواع روشهای هرس کردن 27
7-2-1-1- تست chi-Square 29
7-2-2- هرس خطای کاهش یافته 30
7-2-3- هرس بعدی قانون 31
7-3- بکاربردن صفات با مقادیر پیوسته 34
7-4- معیارهای دیگر برای انتخاب صفات 35
7-5- بکاربردن مثالهای آموزشی با صفات فاقد مقدار 36
7-6- بکاربردن صفات با هزینههای متفاوت 37
8- عام سازی درخت 38
8-1- طراحی یک دسته بندی کنندهء درخت تصمیم 38
8-2- روشهاي اصلی برای طراحی دسته بندی کنندهء درخت تصميم 39
9- انواع يادگيري در درخت تصميم گيري 40
10- مزایا و معایب درخت تصمیم 40
10-1- مزایای درختان تصمیم نسبت به روشهای دیگر داده کاوی 40
10-2- معايب درختان تصمیم 41
11- نرم افزارهای مفید برای درخت تصمیم 42
12- الگوریتم یادگیری درخت تصمیم پایه 43
13- جمع بندی 45
14- لغت نامه 46
15- مراجع 48