AI 決策樹

App inventor

讀取CSV檔

利用CSV計算,以建立3層決策樹

界面如何呈現

image

資料搜集

學生自行搜集,3個資料標記

決策樹的計算式

csv檔如何建立

appinventor 的拼塊的建立

問卷範例

授課範例:收入、年齡、身份、是否買筆電

授課範列:天氣、溫度、溼度、是否打高爾夫

性別、寒流、是否買茶葉蛋

買土司、是否買鮮奶

性別、集點活動、零用錢、是否增加購買支出

性別、照鏡子的次數、零用錢、是否購買化粧品

Entropy(熵)

image

熵(entropy)指的是體系的混亂的程度

image

根據熱力學第二定律:一個封閉系統的紊亂程度(科學術語上稱之為亂度,Entropy),將會持續上升。所謂的封閉系統,即是指在這個系統內的物質與力場,僅能交互作用,而不受外在因素的影響,亂度增加則是指是物質的組成粒子趨向分散的狀態,每個粒子趨向於獨立自主、穩定的合理狀態,也是機率最高的狀態。如同桌面乾淨變成桌面亂七八糟,就是亂度增加。
舉一個例子,想像現在有一個隔成兩半的空箱子,可以將它視為封閉系統,左邊裝的是氧氣分子,右邊則是氦氣分子,現在把中間的隔板抽開,那會發生什麼情形?箱子裡面的氣體一定不會乖乖的待在原本的地方,因為兩邊物質的質量不同,所以會各自分散開到充滿整個箱子,兩邊的氣體混合在一起,直到成為一個穩定的狀態。而從原本兩邊各都是相同的分子,到現在分散在一個箱子裡,即是亂度增加。

click to edit

1、計算是否購買筆電的熵「 0.956」

2、計算:
1) 在「年紀」分類中 是否購買筆電的熵「0.614」
2) 在「收入」分類中 是否購買筆電的熵「0.941」
3) 在「是否為學生」分類中 是否購買筆電的熵「0.942」
資訊獲利 0.956 - 0.614 最大,故根節點選擇「 年紀」分類
資料獲利 = 未分類前的熵 - 以某個特微值分類的熵

3、依「年紀」分成3個類別計算:

年紀 > 40 ,是否購買筆電的熵「0.918」

年紀「31~40」,是否購買筆電的熵「0」

年紀 <=30,是否購買筆電的熵「1」

年紀 <=30,在「收入」分類中,是否購買筆電的熵「0.5」

年紀 <=30,在「是否為學生」分類中,是否購買筆電的熵「0」

資訊獲利 1-0,故下一個節點選擇「是否為學生」分類

全都會購買筆電,故無須分類

click to edit