AI :: DeposedTree. 는 결정 나무를 자동으로 배웁니다
지금 다운로드

AI :: DeposedTree. 순위 및 요약

AI :: DeposedTree. 태그

Perl 모듈 배우기 나무를 배웁니다 결정 나무 결정

AI :: DeposedTree. 설명

자동으로 결정 나무를 배웁니다 AI :: DecisionTree는 자동으로 결정 나무를 자동으로 배우는 Perl 모듈입니다. 식 노프가 AI :: DecisionTree를 사용합니다. MY $ DTREE = NEW AI :: DeposedTree; # 테니스 $ dtree-> add_instance (attributes => {outlook => sunny ', 온도 => 핫', 습도 => '높은'}, 결과 => '아니오' ); $ dtree-> add_instance (속성 => {Outlook => '흐린', 온도 => 핫 ', 습도 => 정상적인'}, 결과 => '예'); ... 몇 가지 더 많은 인스턴스를 반복 한 다음 $ Dtree-> 기차; # nseen 인스턴스에 대한 결과 찾기 $ result = $ dtree-> get_result (속성 => {Outlook => sunny ', 온도 =>'핫 ', 습도 => 정상적인'}); AI :: DeposedTree 모듈 자동 훈련 데이터 집합을 설명하기 위해 소위 "결정 나무"를 만듭니다. 결정 트리는 새 인스턴스를 분류하기 위해 순서도와 같은 프로세스를 사용하는 일종의 분류기입니다. 예를 들어, 학습 된 의사 결정 트리는 개념 "재생 테니스"개념을 분류하는 다음과 같은 것처럼 보일 수 있습니다. Outlook / | / | / | 써니 / 흐린 비오는 / | 습도 | 바람 / * no * / / / high / normal / / strong / deff * no * * yes * / * no * * 예 * (이 예제 및 AI :: DecisionTree 모듈의 영감, Tom Mitchell의 우수한 McGraw Hill에서 구입할 수있는 "기계 학습"을 예약하십시오.) 이와 같은 의사 결정 트리는 교육 데이터에서 배울 수 있으며 이전에 보이지 않는 데이터에 적용하여 교육 데이터와 일치하는 결과를 얻습니다. 의사 결정 트리의 일반적인 목표. 어떻게 든 가장 작은 트리에서 훈련 데이터를 캡슐화하는 것입니다. 이것은 "ocam 's 면도기"철학에 의해 동기를 부여받는 현상 세트에 대한 가장 단순한 설명이 다른 설명보다 선호되어야합니다. 또한 작은 나무들은 큰 나무보다 더 빨리 의사 결정을 내릴 것이며, 인간이 보이고 이해하는 것이 훨씬 쉽습니다. 다른 많은 기계 학습 기술 대신 의사 결정 트리를 사용하는 가장 큰 이유 중 하나는 결정 나무가 신경망보다 훨씬 더 끔찍한 의사 결정자 인 것보다 훨씬 더 끔찍한 의사 결정자라는 것입니다.이 모듈의 현재 구현은 매우 간단한 방법을 작성하는 데 매우 간단한 방법을 사용한다는 것입니다. 교육 인스턴스를 기반으로 한 의사 결정 트리. 트리의 각 노드에서 "가장 유익한"속성을 선택하려면 정보 게인 메트릭 (예상되는 엔트로피의 예상 감소 기준)을 사용합니다. 이것은 본질적으로 1986 년 JR Quinlan이 개발 한 ID3 알고리즘입니다. 가장 높은 정보 이득의 속성은 우리가 작은 나무를 만드는 데 관심이있는 경우 각 지점에서 나무를 분할하는 가장 좋은 속성이 될 것입니다. ...에 요구 사항 : · Perl.

AI :: DeposedTree. 관련 소프트웨어