Artificial Intelligence - هوش مصنوعی

Artificial Intelligence - هوش مصنوعی (http://artificial.ir/intelligence/)
-   درختان تصميم گيري طبقه بندي و رگرسيوني (http://artificial.ir/intelligence/forum113.html)
-   -   مسائلی که درخت تصمیم در آنها با مشکل مواجه است؟ (http://artificial.ir/intelligence/thread10492.html)

mahdieh68 ۱۲-۱۱-۱۳۹۰ ۱۱:۴۱ بعد از ظهر

مسائلی که درخت تصمیم در آنها با مشکل مواجه است؟
 
با سلام به بچه های هوش مصنوعی ایران
من یه بررسی روی درخت های تصمیم باید انجام بدم.
کسی از دوستان هست که اطلاعاتی درباره مسائل حل نشده روی درخت تصمیم داشته باشه؟
مثلا چه جاهایی درخت تصمیم با مشکل مواجه میشه؟

raha_m ۰۱-۱۲-۱۳۹۱ ۰۳:۴۹ بعد از ظهر

معايب درختان تصمیم
1. در مواردي كه هدف از یادگیری، تخمين تابعي با مقادير پيوسته است مناسب نيستند.
2. در موارد با تعداد دسته های زياد و نمونهء آموزشي كم، احتمال خطا بالاست.
3. توليد درخت تصميم گيري، هزينه محاسباتي بالا دارد.
4. هرس كردن درخت هزينه بالايي دارد.
5. در مسائلي كه دسته های ورودي با نواحي مكعبي به خوبي جدا نشوند و دسته ها همپوشانی داشته باشند، خوب عمل نمي كنند.
6. در صورت همپوشانی گره ها تعداد گره های پاياني زیاد می شود.
7. در صورتی که درخت بزرگ باشد امکان است خطاها از سطحی به سطحی دیگر جمع شوند (انباشته شدن خطاي لايه ها بر روي يكديگر).
8. طراحي درخت تصميم گيري بهينه، دشوار است. کارایی یک درخت دسته بندی کننده به چگونگی طراحی خوب آن بستگی دارد.
9. احتمال تولید روابط نادرست وجود دارد.
10. بازنمایی درخت تصمیم دشوار است.
11. وقتی تعداد دسته ها زیاد است، می تواند باعث شود که تعداد گره های پایانی بیشتر از تعداد دسته های واقعی بوده و بنابراین زمان جستجو و فضای حافظه را افزایش می دهد.

mahdieh68 ۰۱-۲۰-۱۳۹۱ ۰۷:۴۷ بعد از ظهر

نقل قول:

نوشته اصلي بوسيله raha_m (پست 23700)
معايب درختان تصمیم
1. در مواردي كه هدف از یادگیری، تخمين تابعي با مقادير پيوسته است مناسب نيستند.
2. در موارد با تعداد دسته های زياد و نمونهء آموزشي كم، احتمال خطا بالاست.
3. توليد درخت تصميم گيري، هزينه محاسباتي بالا دارد.
4. هرس كردن درخت هزينه بالايي دارد.
5. در مسائلي كه دسته های ورودي با نواحي مكعبي به خوبي جدا نشوند و دسته ها همپوشانی داشته باشند، خوب عمل نمي كنند.
6. در صورت همپوشانی گره ها تعداد گره های پاياني زیاد می شود.
7. در صورتی که درخت بزرگ باشد امکان است خطاها از سطحی به سطحی دیگر جمع شوند (انباشته شدن خطاي لايه ها بر روي يكديگر).
8. طراحي درخت تصميم گيري بهينه، دشوار است. کارایی یک درخت دسته بندی کننده به چگونگی طراحی خوب آن بستگی دارد.
9. احتمال تولید روابط نادرست وجود دارد.
10. بازنمایی درخت تصمیم دشوار است.
11. وقتی تعداد دسته ها زیاد است، می تواند باعث شود که تعداد گره های پایانی بیشتر از تعداد دسته های واقعی بوده و بنابراین زمان جستجو و فضای حافظه را افزایش می دهد.

ممنون از توضیحاتت
راستی می تونی بگین این مطالب رو از کجا بدست آوردین؟

mmaryamm-62 ۰۲-۲۰-۱۳۹۱ ۰۱:۴۳ بعد از ظهر

کد الگوریتم کارت به زبان matlab که از الگوریتمهای درخت تصمیم هست رو دارین؟

atijoon ۰۷-۸-۱۳۹۵ ۱۲:۳۱ قبل از ظهر

سلام، من یه سری اطلاعات راجع به "رگرسیون درخت تصمیم " میخوام و دستورای مربوطه شو توی نرم افزار R ممنون میشم اگه مطلبی چیزی دارین هرچند کم در اختیارم بزارین.
atijoon23@yahoo.com


زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۶:۱۵ قبل از ظهر ميباشد.

Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.