تعلم شجرة القرار
المحتويات

تعريفًا بالموضوع، تعلم شجرة القرار تستعمل شجرة القرار للانطلاق من الملاحظات حول عنصر معين إلى الاستنتاج حول القيمة التي يحملها ذلك العنصر ممثلة بأوراق الشجرة، فيما يمثل العنصر ذاته بفروع الشجرة. وشجرة تعلم القرار هي إحدى طرق النمذجة التنبؤية التي تستعمل في الإحصاء، استخراج البيانات و تعلم الآلة. تأخذ المتغيرات مجموعة منفصلة من القيم في أشجار القرار التي تُدعى بأشجار التصنيف؛ حيث تمثل الأوراق في هيئة الشجرة تصنيفات معينة فيما تمثل الفروع نقاط اقتران منطقي للخصائص التي تؤدي إلى تلك التصنيفات. أما أشجار القرار التي تستهدف متغيرات رقمية ذات قيم مستمرة (أرقام حقيقية) فتسمى بأشجار الانحدار (نسبة إلى الانحدار الخطي). في تحليل اتخاذ القرار، يُمكن أن تستعمل شجرة القرار لتمثيل القرارات وعمليات اتخاذ القرار بصرياً. في عمليات التنقيب في البيانات تصف أشجار القرار البيانات (لكن ناتج شجرة التصنيف يُمكن أن يكون من المدخلات لعملية اتخاذ القرار). يستعمل التدهور على نطاق واسع في العلوم والهندسة بسبب سهولة وضوحها. ونتناول فيما يلي مزيدًا من التفاصيل.
خوارزمية
من جانب آخر، ولحساب شوائب جيني لمجموعة من العناصر مع J تصانيف، افترض i∈ {1,2 ،... ، J} ، ودع pi هو جزء صغير من العناصر المسمى تصنيف i في المجموعة.
في هذا الإطار، تعمل الخوارزميات الخاصة بإنشاء أشجار من أعلى لأسفل، عن طريق اختيار متغير في كل خطوة تقسم مجموعة العناصر على أفضل نحو. تستعمل خوارزميات مختلفة مقاييس مختلفة لقياس «الأفضل». تعتمد أغلب الأشجار على إنتروبيا أو مؤشر جيني لتقسيم البيانات. تعتمد الكثير من الأشجار المعروفة، مثل C4.5 و ID3، على الانتروبيا. يتم تعريف الانتروبي على النحو التالي:
من جانب آخر، حيث p1 ، p2 ،... هي الكسور التي تضيف ما يصل إلى 1 وتمثل النسبة المئوية لكل تصنيف (أو فئة) موجودة في العقدة الفرعية الناتجة عن انقسام في الشجرة و يسمى المتغير IE كسب المعلومات.
📝 هل في هذه المقالة خطأ؟
إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.
ما رأيك في هذه المقالة؟