Pada Mata kuliah Konsep Data Mining dengan materi klasifikasi: pohon keputusan. Algoritma Dasar untuk Membangun Pohon Keputusan. Algoritma yang efisien telah
dikembangkan untuk menghasilkan pohon keputusan yang cukup akurat, meskipun
tidak optimal, dalam jumlah waktu yang wajar. Salah satu metode yang paling awal
adalah algoritma Hunt, yang merupakan dasar bagi banyak
implementasi pengklasifikasi pohon keputusan saat ini, termasuk ID3, C4.5, dan
CART.
•Buatlah pohon keputusan untuk data tersebut
Dalam algoritma Hunt, pohon
keputusan tumbuh secara rekursif.
–Pohon
awalnya berisi satu simpul akar yang dikaitkan dengan semua instance latih.
–Jika
sebuah node dikaitkan dengan instance dari lebih dari satu kelas, ia diperluas
menggunakan kondisi atribut uji yang ditentukan menggunakan kriteria pemisahan.
–Node
daun / anak dibuat untuk setiap hasil dari kondisi atribut uji dan instance
yang terkait dengan node induk didistribusikan kepada anak-anak berdasarkan
hasil tes.
–Langkah
ekspansi simpul ini kemudian dapat diterapkan secara rekursif ke setiap simpul
anak, asalkan memiliki label lebih dari satu kelas.
–Jika
semua instance yang terkait dengan simpul daun memiliki label kelas yang
identik, maka simpul tersebut tidak diperluas lebih jauh.
–Setiap
node daun diberi label kelas yang paling sering terjadi dalam instance latih
yang terkait dengan node.
Dibawah ini latihan dari materi klasifikasi: pohon keputusan dengan soal dibawah ini:
•Perhatikan data yang ada pada tabel
keputusan “Play Tennis”.
•Buatlah pohon keputusan untuk data tersebut
Download dan klik link dibawah ini untuk mengetahui langkah-langkah penyelesain dan pembahasan dari soal diatas:
Komentar
Posting Komentar