LAB: Uczenie drzew decyzyjnych

Celem ćwiczenia jest zapoznanie się uczeniem drzew decyzyjnych służących do klasyfikacji danych. Obejmuje to budowanie struktury drzew na podstawie przykładów i ich użycie do klasyfikacji danych.

Wprowadzenie

Do przeczytania i przygotowania:

  • AIM:18.6-18.11, FCA:11
  • WSI:10

Narzędzia

Podstawowym narzędziem do realizacji ćwiczeń jest program Decision trees z AIspace.

Ćwiczenia

Pracuj w parze z Koleżanką/Kolegą. Uruchom narzędzie pisząc w konsoli tekstowej ais-dtree.

Przykład klasyfikacji dla czytania emaili

  • Przeczytaj tutorial
  • Załaduj przykład File→Load samle dataset→Mail reading
  • Obejrzyj przykłady, jak wygląda zbiór uczący, a jak testowy
  • Zbuduj drzewo: przełącz się na zakładkę Solve i naciskaj na Step, aż do końca budowy drzewa
  • Obserwuj wyniki: Show plot, View node info
  • Sprawdź które węzły klasyfikują poszczególne przypadki: View mapped examples
  • Usuń drzewo Reset graph
  • Zmień algorytm budujący Decision Tree Options→Splitting functions
  • Porównaj wyniki dla innych algorytmów

Klasyfikacja programów i ręczne budowanie drzewa

  • Załaduj przykład Likes TV
  • Obejrzyj przykłady.
  • Zbuduj automatycznie drzewo wybranym algorytmem i obejrzyj wyniki.
  • Zdefiniuj przykłady testowe: View/Edit examples
  • Dokonaj klasyfikacji: Test examples
  • Spróbuj przenieść wybrane elementy zbioru uczącego do przykładów testowych - jak to wpływa na strukturę budowanego drzewa?
  • Następnie usuń drzewo Reset graph
  • Spróbuj dokonać ręcznej konstrukcji drzewa, wybierając opcję Split node → zwróć uwagę na parametry osiągane przy rozgałęzianiu z użyciem różnych atrybutów.
  • Porównaj kilka otrzymanych drzew i to jak klasyfikuję dane, w porównaniu do tego, które jest budowane automatycznie.

Rozbudowane przykłady

  • Obejrzyj pozostałe przykłady zbiorów danych
  • W wybranych z nich rozbuduj zbiór uczący i obserwuj wyniki.
  • Spróbuj przenieść wybrane elementy zbioru uczącego do przykładów testowych - jak to wpływa na strukturę budowanego drzewa?
  • Dokonaj modyfikacji wybranego przykładu
  • Wzorując się wybranym przykładem, np. Likes TV lub Classification of animals spróbuj zbudować własny używając różnego typu atrybutów, tj. boolowskich, symbolicznych i numerycznych.

DT a NN

  • Uruchom równocześnie program do budowy sieci neuronowych
  • Spróbuj załadować te same przykłady do obu programów.
  • Porównaj klasyfikację.
  • Spróbuj dokonać podobnych modyfikacji w zbiorach uczących i porównaj wyniki.
pl/prolog/prolog_lab/learn_dtrees.txt · ostatnio zmienione: 2019/06/27 15:50 (edycja zewnętrzna)
www.chimeric.de Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0