AIwiki

Zastosowano algorytm ID3, lecz wtedy tworzy sie zbyt wiele gałęzi.

Pójście w stronę C4.5 na początku następuje agregacja (wartości są uporządkowane) i zmiana atrybutów porządkowych na inne o mniejszej ilości możliwych wartości.

Czy jako zbiór uczący może być cała dziedzina, czyli 'dni x godziny x miesiące'?

Czy musimy obsługiwać przekłamane przykłady uczące i braki (brak któregoś atrybutu)?

Losowy zbiór uczący składający sie z 150 przykładów

Dziedzina składa się z 2016 przypadków

Najpierw algorytm buduje drzewo z 150 przykładów zbioru uczącego, następnie pozostałe 1866 są testowane w zbudowanym drzewie

Przykładowe drzewo które nie zostało w pełni wygenerowane ponieważ program graphviz nie poradził sobie. Było to związane z tym, że atrybuty początkowe zawierały zbyt wiele wartości i każda z nich była w każdym wyniku testu opierającego się o ten atrybut. Czasochłonne i pamięciochłonne było też konstruowanie i przechowywanie w pamięci takiego drzewa. Ilość liści takiego drzewa wynosi 7 (dni) x 24 (godziny) x 12 (miesięcy) = 2016.

Wykonano 20 testów.

Średnia skuteczność wynosiła 55.3%

Poprawnie sklasyfikowane przykłady testowe wahały się od 904 do 1111