Historia spotkań

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

Przykładowe drzewo 1 oraz Aggregate1.txt odwzorowujący atrybuty początkowe na te atrybuty po agregacji

Przykładowe drzewo 2 oraz Aggregate2.txt odwzorowujący atrybuty początkowe na te atrybuty po agregacji

Wykonano 20 testów

Średnia skuteczność wynosiła 91.2%

Poprawnie sklasyfikowane przykłady testowe wahały się od 1488 do 1866

Wyniki uzyskane ulepszonym algorytmem ID3 są lepsze ponieważ już przed rozpoczęciem budowy drzewa zamieniamy wielowartościowe atrybuty na prostsze (mniejsza ilość wartości). Korzystam ze zbioru uczącego się zawierającego 7,4% przykładów (150 / 2016). Zwykły algorytm ID3 dobrze dopasuje każdy ze 150 przykładów, lecz zabraknie mu ogólności dla przykładów spoza tego zbioru. Agregacja pozwala nam podzielić wartości zbyt licznych atrybutów i przejść na prostsze biorąc pod uwagę przyrost informacji (entropię). Najbardziej pożądane jest tak podzielić wartości aby w danym zbiorze występowała przewaga jednych pojęć docelowych (np jednego, kilku) nad pozostałymi (najlepiej żeby ich nie było).