Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:dydaktyka:ml:2014lab3 [2014/03/17 10:04] esimon |
pl:dydaktyka:ml:2014lab3 [2019/06/27 15:50] (aktualna) |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| ====== Drzewa decyzyjne ====== | ====== Drzewa decyzyjne ====== | ||
| - | - O co chodzi z drzewami decyzyjnymi | + | //Drzewo decyzyjne to graficzna metoda wspomagania procesu decyzyjnego, stosowana w teorii decyzji. Algorytm drzew decyzyjnych jest również stosowany w uczeniu maszynowym do pozyskiwania wiedzy na podstawie przykładów.// |
| - | - Przykład drzewa dla danych z poprzedniego ćwiczenia | + | ===== Przykład drzewa decyzyjnego ===== |
| - | - Zasady budowania drzewa - algorytm ID3 | + | Przykładowe drzewo decyzyjne (dla danych z {{:pl:dydaktyka:ml:weather.nominal.arff.zip|}}) zostało przedstawione poniżej. |
| - | - Policz entropię i informaiton gain - wyznacz korzeń drzewa. | + | |
| - | - Wprowadzenie do weki: | + | {{:pl:dydaktyka:ml:dt.png|Drzewo decyzyjne}} |
| - | - Histotgramy | + | |
| - | - Nieprzydatne cechy | + | **Pytanie:** Jak Twoim zdaniem wyglądałoby drzewo decyzyjne dla zestawu danych poniżej, spróbuj narysować je na kartce. |
| - | - J48 | + | ^Sky^AirTemp^Humidity^Wind^Water^Forecast^Enjoy^ |
| - | - Zbudowanie drzewa do przykladu z zajec i do innych | + | |sunny|warm|normal|strong|warm|same|yes| |
| - | - User clasifier | + | |sunny|warm|high|strong|warm|same|yes| |
| - | - ZeroR | + | |rainy|cold|high|strong|warm|change|no| |
| + | |sunny|warm|high|strong|cool|change|yes| | ||
| + | |cloudy|warm|normal|weak|warm|same| yes| | ||
| + | |cloudy|cold|high|weak|cool|same|no| | ||
| + | ===== Algorytm ID3 ===== | ||
| + | Algorytm ID3 służy do budowania drzew decyzyjnych. | ||
| + | Bazuje on na dwóch parametrach, które wyliczane są dla każdego nowego węzła drzewa decyzyjnego. | ||
| + | Parametry te to: | ||
| + | * Entropia - będąca miarą zróżnicowania danych | ||
| + | * Przyrost wiedzy (//Information Gain//) - miara różnicy Entropii przed i po rozbiciu zbioru danych $S$ przy pomocy atrybutu $A$ | ||
| + | |||
| + | ==== Entropia ==== | ||
| + | |||
| + | $$H(S) = - \sum_{x \in X} p(x) \log_{2} p(x) $$ | ||
| + | |||
| + | Gdzie | ||
| + | * $S$ - Aktualny zbiór danych dla którego liczona jest entropia (dla każdego węzła drzewa będzie to inny - odpowiednio mniejszy zbiór danych) | ||
| + | * $X$ - zbiór klas w zbiorze $S$ | ||
| + | * $p(x)$ - Stosunek liczby elementów z klasy $x$ do liczby elementów w zbiorze $S$ | ||
| + | |||
| + | |||
| + | ==== Przyrost wiedzy (Information Gain) ==== | ||
| + | |||
| + | $$G(A) = H(S) - \sum_{v \in Values(A)} \frac{|S_v|}{|S|}H(S_v) $$ | ||
| + | |||
| + | Gdzie, | ||
| + | * $H(S)$ - Entropia dla zbioru $S$ | ||
| + | * $Values(A)$ - zbiór wszystkich wartości atrybutu $A$ | ||
| + | * $S_v$ - Podzbiór S, taki że: $S_v = \left \{ s \in S : A(s) = v \right \}$ | ||
| + | * $H(S_v)$ - Entropia podzbioru $S_v$ | ||
| + | |||
| + | ==== Algorytm ID3 w pseudokodzie ==== | ||
| + | <code> | ||
| + | ID3 (Examples, Target_Attribute, Attributes) | ||
| + | Create a root node for the tree | ||
| + | If all examples are positive, Return the single-node tree Root, with label = +. | ||
| + | If all examples are negative, Return the single-node tree Root, with label = -. | ||
| + | If number of predicting attributes is empty, then Return the single node tree Root, | ||
| + | with label = most common value of the target attribute in the examples. | ||
| + | Otherwise Begin | ||
| + | A ← The Attribute that best classifies examples (highest Information Gain). | ||
| + | Decision Tree attribute for Root = A. | ||
| + | For each possible value, v_i, of A, | ||
| + | Add a new tree branch below Root, corresponding to the test A = v_i. | ||
| + | Let Examples(v_i) be the subset of examples that have the value v_i for A | ||
| + | If Examples(v_i) is empty | ||
| + | Then below this new branch add a leaf node with label = most common target value in the examples | ||
| + | Else below this new branch add the subtree ID3 (Examples(v_i), Target_Attribute, Attributes – {A}) | ||
| + | End | ||
| + | Return Root | ||
| + | </code> | ||
| + | |||
| + | **Pytanie** Korzystając ze zbioru danych z tabeli z poprzedniej sekcji, policz entropię i przyrost wiedzy dla poszczególnych atrybutów. **Uwaga** - w przykładzie mamy do czynienia z problemem binarnym, więc sumy ze wzorów tak naprawdę będą tylko dwuelementowe (poza liczeniem //information gain// dla atrubutu //sky//). | ||
| + | * Dla którego z atrybutów entropia jest największa? | ||
| + | * Dla którego z atrybutów //information gain// jest największy? | ||
| + | * Analizując wyniki, czy dobrze wybrałeś(aś) korzeń drzewa w pytaniu z poprzedniej sekcji? | ||
| + | |||
| + | |||
| + | ===== Wprowadzenie do Weki ===== | ||
| + | [[http://www.cs.waikato.ac.nz/~ml/weka/|Weka]], to narzędzie opensource do data miningu. | ||
| + | Uruchom je wykonując w konsoli polecenie. Jeśli program nie jest zainstalowany, ściagnij go ze strony | ||
| + | <code> | ||
| + | $ weka | ||
| + | </code> | ||
| + | |||
| + | Jeśli program nie jest zainstalowany, ściągnij go ze strony: [[http://www.cs.waikato.ac.nz/~ml/weka/|Weka]] i uruchom: | ||
| + | <code> | ||
| + | $ java -jar weka.jar | ||
| + | </code> | ||
| + | |||
| + | ==== Wczytywanie i analiza danych ==== | ||
| + | - Pobierz paczkę plików z danymi: {{:pl:dydaktyka:ml:data.tar.gz|}} | ||
| + | - Otwórz w Gedicie plik o nazwie swimming.arff i poznaj strukturę plików uczących dla weki z danymi symbolicznymi. | ||
| + | - Uruchom Wekę i kliknij w przycisk **Explorer** | ||
| + | - Przeanalizuj pierwszą zakładkę GUI i odpowiedz na pytania poniżej: \\ {{:pl:dydaktyka:ml:weka-preprocess.png?600|}} | ||
| + | **Pytania** | ||
| + | - Jaki jest rozmiar zbioru uczącego? | ||
| + | - Ile atrybutów występuje w zbiorze uczącym? | ||
| + | - Ile jest instancji jest pozytywnych (//Enjoy=yes//) a ile negatywnych? | ||
| + | - Który z atrybutów najlepiej rozdziela dane? ;) | ||
| + | - Ile elementów ze zbioru danych ma atrybut wilgotność (//humidity//) ustawioną jako //high//? | ||
| + | |||
| + | ==== Drzewa decyzyjne ==== | ||
| + | - Wczytaj plik swimming.arff ze zbioru danych | ||
| + | - Kliknij w zakładkę **Clasify** | ||
| + | - Wybierz za pomocą przycisku **Choose** klasyfikator Id3. | ||
| + | - Upewnij się, że w oknie //Test options// zaznaczona jest opcja //Use training set//. Uwaga! W przyszłości **nie** będziemy korzystać z tej formy testowania - tutaj jesteśmy zmuszeni, z uwagi na niewielki zbiór uczący. | ||
| + | - Kliknij w przycisk **Start**. Przyjrzyj się rezultatowi. Co oznaczają wyniki? \\ {{:pl:dydaktyka:ml:weka-clasify-1.png?600|}} | ||
| + | - Wybierz za pomocą przycisku **Choose** klasyfikator J48 i kliknij **Start**, następnie zwizualizuj drzewo tak jak to pokazano poniżej: \\ {{:pl:dydaktyka:ml:weka-visualize-tree.png?600|}} | ||
| + | - Czy drzewo wygląda tak jak je narysowałeś(aś) na początku laboratorium? \\ {{:pl:dydaktyka:ml:tree-begining.png|}} | ||
| + | |||
| + | ==== Poprawność klasyfikacji ==== | ||
| + | - Załaduj plik {{:pl:dydaktyka:ml:credit-g.arff.gz|credit-g.arff}} do Weki. Zawiera on dane uczące dla systemu, który na podstawie atrybutów zawartych w pliku powinien określać czy dany zestaw wartości atrybutów wskazuje na wiarygodnego klienta banku, czy też nie - czy można przyznać mu kredyt, czy jest to ryzykowne. | ||
| + | - Przejdź do zakładki **Classify** i wybierz algorytm J48. | ||
| + | - W obszarze //Test options// wybierz opcje //Percentage split// z wartością 66% Oznacza to, ze 66% danych posłuży do uczenia, a 34% do walidacji. Jakie to ma znaczenie? | ||
| + | - Uruchom algorytm. Ile procent przypadków zostało poprawnie zaklasyfikowanych? Czy to dobry wynik? | ||
| + | - Zmień klasyfikator na //ZeroR// z gałęzi //rules//. Jakie są wyniki? | ||
| + | - Wypróbuj inne klasyfikatory. Jakie dają wyniki? | ||
| + | - Przejdź do zakładki **Preprocess** i zobacz jak wygląda rozkład atrybutu określającego czy danych zestaw jest //dobry// czy //zły//. Jaka byłaby skuteczność algorytmu który niezależnie od wartości atrybutów "strzelałby" że użytkownik jest wiarygodny? | ||
| + | - Dlaczego przed przystąpieniem do klasyfikacji, warto wcześniej przyjrzeć się danym? ;P | ||
| + | |||
| + | ==== User Classifier ==== | ||
| + | - Zbuduj drzewo z wykorzystaniem klasyfikatora "User Classifier" dla danych z pliku (użyj PPM do "domknięcia" wielokąta): \\ {{:pl:dydaktyka:ml:polygon.png|}} | ||
| + | - Zaakceptuj zbudowane drzewo i zobacz wyniki:\\ {{:pl:dydaktyka:ml:user-accept.png|}} | ||
| + | |||
| + | |||
