Please enable JavaScript.

Coggle requires JavaScript to display documents.

10-Arvores de Decisão (ARVORE DE DECISAO Um nó folha (ou nós reposta)…

- - - - :warning: PROBLEMAS
        
        VÁRIAS ÁRVORES
        Várias árvores podem ser criadas dependendo da ordem de escolha dos atributos
        SOLUÇÃO: utilizar uma função de escolha do próximo atributo (por exemplo, que melhor divide os exemplos)
        
        MUITOS NÓS
        A árvore pode ter muitos nós, alguns deles com poucos ou nenhum objeto
        SOLUÇÃO: realizar podas na árvore ao final do treinamento
    - - REQUISITOS
        
        CONJUNTO DE APRENDIZADO
        
        CONDIÇÃO DE PARADA
        É uma condição que o conjunto de treinamento E deve satisfazer para seu nó correspondente ser considerando um nó terminal
        
        FUNÇÃO DE AVALIAÇÃO SCORE
        é utilizada para tentar identificar o atributo mais relevante existente sobre E (mais poder determinante)
        
        ESCOLHA DO ATRIBUTO ÓTIMO
        Função baseada em uma medida de impureza
        
        máxima quando todas as classes estão igualmente presentes no nós
        
        mínima quando o nó contém apenas uma classe
        
        Impureza global da árvore I(T) = Soma das impurezas
        
        ENTROPIA
        
        MEDIDA DE INCERTEZA
        
        INDICE GINI
        
        IMPUREZA
        A probabilidade estimada de erro atribuida aleatoriamente dentro do nó a classe i com probabilidade p(i|t0)
        REDUÇÃO DE IMPUREZA: O atributo que maximiza a redução de impureza é escolhido cocmo atributo de divisão de conjunto. Ou seja, quanto mais puro for a partição criada por A, menor é o Gini
        
        FUNÇÃO DE CLASSIFICAÇÃO CLASSE
        função que atribui um rótulo de classe a um nó t.
        
        Critério de minimização do erro esperado
        
        Critério de minimização do custo do erro de classificação
        
        Rotulação dos nós pelas probabilidades das classes
        
        Custo total de erro de classificação da árvore
        
        FUNÇÃO DE CATEGORIZAÇÃO
        discritação de atributos numéricos em intervalos
        
        CRITÉRIO DE PODA
        Depos da montagem da árvore pode ocorrer folhas pequenas que ajudam a gerar efeito de Overfitting. Processo de poda
        
        PRÉ-PODA
        regras de parada durante a subdivisão dos nós
        
        PÓS PODA
        construção da árvore completa para posterior poda das sub-árvores consideradas não confiáveis
        
        PODA POR CUSTO-COMPLEXIDADE
        Método mais conhecido, implementado no algoritmo CART (árvores binárias)
        
        Estágio 1: geração de uma sequência de árvores
        
        Estágio 2: seleção da melhor árvore da sequência que minimiza o custo de erro de classificação
      - MISSING VALUES
        Alternativas:
        – “missing” como um valor possível do atributo
        – Treinamento: ir até onde der na árvore. Se chegar em uma folha, ótimo. Se parar em um nó interno t,dividir os exemplos pelos ramos
        – Classificação: ir até onde der na árvore. Se chegar em uma folha, ótimo. Se parar em um nó interno t, usar a distribuição deste nó para classificar a instância