طبقه بندی کننده ها در یادگیری ماشین چیست: درختان تصمیم

طبقه‌بندی‌کننده‌ها الگوریتم‌های یادگیری ماشینی هستند که با اختصاص یک کلاس به هر عنصر از مجموعه داده‌ها عمل می‌کنند. انواع مختلفی از طبقه‌بندی‌کننده‌ها وجود دارد، طبقه‌بندی‌کننده‌ای که در این مقاله بررسی می‌کنیم طبقه‌بندی‌کننده است که بر اساس درخت‌های تصمیم‌گیری است.

درختان تصمیم، نمایشی از یادگیری هستند فراگیری ماشین. درخت یک ساختار داده ای است که اطلاعات آن در گره ها وجود دارد و گره ها از طریق کمان به یکدیگر متصل می شوند. گره ها درست در جایی قرار می گیرند که یک قوس به دیگری می رسد.

در زیر یک نمایش گرافیکی از یک درخت است. درختان می توانند حاوی اطلاعاتی از انواع مختلف باشند

از نظر گرافیکی می‌توانیم ۶ گره را ببینیم که حاوی عناصر A، B، C، D، E، F هستند در حالی که قوس‌ها بخش‌هایی هستند که اطلاعات را به هم متصل می‌کنند.

چنین ساختار درختی دارای:

• گرهی به نام ریشه یا ریشه، در مورد ما گرهی است که حاوی اطلاعات A است. همیشه گرهی است که کل درخت از آن نزول می کند.
• گره های B و C از نوادگان گره A هستند، زیرا کمان هایی وجود دارند که فرزندان را از یک گره برتر متصل می کنند.
• گره هایی که نسلی ندارند برگ نامیده می شوند و در این مورد گره های D، F و C هستند.
• درخت همچنین دارای عمق است، یعنی بیشترین فاصله از ریشه تا برگ، در مورد ما 3

در یادگیری ماشینی، ساختار درخت تصمیم دقیقاً از این نوع ساختار نشأت می‌گیرد، تنها تفاوت این است که هر گره حاوی اطلاعات نیست، بلکه شامل یک شرط است، شرطی که باید ارزیابی شود. به این درختان درخت طبقه بندی و رگرسیون (CART) نیز گفته می شود و در مدلی که توسط ماشین آموزش داده می شود تعبیه شده اند.

نمونه طبقه بندی

اجازه دهید اکنون به موردی نگاه کنیم که در آن داده های هشت خودرو مورد تجزیه و تحلیل قرار گرفته است. برای هر خودرو، جابه‌جایی و قیمت فروش را به‌عنوان ویژگی‌ها می‌دانیم، و هر خودرو با یک هدف درست یا غلط مطابقت دارد که به ما می‌گوید آیا خودرو یک فرصت است یا نه.

در زیر جدول خلاصه آمده است: