برنامه نویسی متلب درخت تصمیم

درخت‌های تصمیم یک روش یادگیری با ناظر غیر پارامتری می‌باشد که برای کاربردهای دسته بندی و رگرسیون قابل استفاده هستند. هدف از آن ایجاد یک مدل بر اساس گره‌های تصمیم گیری می‌باشد. اساس کار یک درخت تصمیم، گره‌های تصمیم گیری (Decision Node) می‌باشند. ایده اصلی یک درخت تصمیم از طبیعت الهام گرفته شده است. 

در شکل بالا یک درخت تصمیم ساده نشان داده شده است. این درخت تصمیم برای دسته بندی یک فرد بر اساس سه ویژگی ورزش و خوردن پیتزا و سن تشکیل شده است. خروجی این درخت تصمیم یکی از دو کلاس Fit و Unfit می‌باشد. از انواع درخت‌های تصمیم می‌توان C4.5 و C5 و Meta Decision Tree و Random Forest وJ48 را نام برد.

المانهای اصلی تشکیل دهنده یک درخت تصمیم :

Root Node (گره ریشه): اصلی ترین گره در درخت تصمیم می‌باشد و عملیات درخت تصمیم از این گره آغاز می‌شود. 

Decision Node (گره تصمیم گیری): گره‌هایی که به چند بخش تقسیم می‌شوند و متناسب با اندازه متغییر ورودی یکی از دو مسیر را مشخص می‌کنند. 

Leaf / Terminal Node (گره پایانی / برگ): گره‌های انتهایی یک درخت تصمیم هستند که اغلب مشخص کننده یکی از کلاسهای خروجی می‌باشند.

مزیت‌های درخت تصمیم :

  • سادگی درک و تفسیر و نمایش
  • امکان پیاده سازی سخت افزاری راحت
  • قابلیت کار هم با داده‌های عددی و هم دسته بندی شده
  • امکان مدلسازی مسئله‌های چند خروجی
  • برعکس شبکه‌های عصبی که مثل یک جعبه سیاه هستند اما درخت تصمیم عملکرد آن به راحتی توسط شخص استفاده کننده، قابل درک است.

این فیلم آموزشی اختصاص به پیاده سازی متلب درخت تصمیم دارد. این آموزش مناسب هر شخصی می‌باشد که می‌خواهد برنامه نویسی متلب درخت تصمیم را یاد بگیرد . شما به هیچ پیش نیاز ریاضی یا مهندسی برای این آموزش نیاز ندارید. به شما اطمینان می‌دهیم که از این آموزش نهایت لذت را ببرید.

 

محتوی این فیلم آموزشی :

در ابتدا مقداری تئوری درخت تصمیم گفته می‌شود، سپس برنامه نویسی مقدماتی با چندین مثال ساده شروع میشود و به مرور مثالهای کاملتری آموزش داده می‌شود. شما با نحوه نمایش یک درخت تصمیم در متلب هم آشنا می‌شوید. مثالهایی از cross-validation هم گفته می‌شود. عملیات هرس کردن pruning به صورت عملی در متلب پیاده سازی و مفهوم سطح هرس بیان می‌شود. سپس گزینه‌های قابل دسترس برای تنطمیمات درخت تصمیم در متلب گفته می‌شود و در نهایت نحوه بهینه سازی یک  درخت تصمیم به صورت عملی در متلب آموزش داده می‌شود. همراه با این آموزش 13 کد متلب درخت تصمیم هم قرار دارد که در آموزش خط به خط آنها توضیح کامل داده شده است. 

تعدادی از کدهای این آموزش را می‌توانید در GitHub ایران متلب مشاهده کنید:

https://github.com/PymatFlow/MATLABDecisionTree

 


پیش نمایش

دانلود پیش نمایش (کیفیت بالا)

 


مدت زمان : 214 دقیقه

 

 

 

لینک سفارش

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *