hrvatski

Učenje stabala odlučivanja zanemarivanjem kompleksnih primjera

U završnom radu opisan je postupak učenja stabala odlučivanja zanemarujući kompleksne primjere. Tema obuhvaća implementaciju algoritma koji uvažava točnost klasificiranih podataka na isti način kao što to čini i klasifikacijsko stablo. Razumljivost je najvažnija prednost klasifikacijskih stabala u odnosu na većinu drugih klasifikatora stoga je vrlo bitna pri izgradnji i implementaciji algoritma. U uvodu se opisuje područje primjene stabala odlučivanja te različitih algoritama koji se koriste kako bi se otkrili što ispravniji, korisniji i razumljiviji modeli iz podataka te je dana sama definicija što je dubinska analiza podataka. Nadalje opisuje se sam problem tj. zašto se gradi novi algoritam koji uvažava dubinu stabla. Predstavljen je kratak opis strojnog učenja (engl. Data Mining), algoritma C4.5 (J48) te je dan primjer korištenja tog algoritma u strojnom učenju. Opis algoritma, kao i sam program koji služi za implementaciju algoritma te programski alat Eclipse također su opisani u daljnjim poglavljima. U prijedlogu algoritma predstavljen je algoritam koji je zapravo bio glavni zadatak ovog završnog rada. Glavnu ideju algoritma predstavlja ocjenjivanje naučenih primjera (engl. Instances) koji se oslanjaju na dubinu lista d u stablu koji je potreban da se primjeri točno klasificiraju u klase kojima pripadaju. Kako bi naučili stabla koristi se već postojeći algoritam C4.5 na svakom slučajnom podskupu atributa.

C4.5; J48; klasifikacijsko stablo; klasifikator; stabla odlučivanja; strojno učenje;; dubina lista; primjeri; algoritam

nije evidentirano