Anteprima
Vedrai una selezione di 7 pagine su 29
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 1 Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 2
Anteprima di 7 pagg. su 29.
Scarica il documento per vederlo tutto.
Scarica
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 6
Anteprima di 7 pagg. su 29.
Scarica il documento per vederlo tutto.
Scarica
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 11
Anteprima di 7 pagg. su 29.
Scarica il documento per vederlo tutto.
Scarica
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 16
Anteprima di 7 pagg. su 29.
Scarica il documento per vederlo tutto.
Scarica
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 21
Anteprima di 7 pagg. su 29.
Scarica il documento per vederlo tutto.
Scarica
Riconoscimento e recupero dell'informazione per Bioinformatica - Decision Tree Pag. 26
1 su 29
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Proprietà dell'albero di decisione

Definizione di Russel-Norvig (2002)

Riceve in ingresso un oggetto o una situazione che descriva le proprietà del set

Restituisce una decisione

Costruzione:

  • Predizione
  • Classificazione Booleana

Ottimizzazione:

  • La decisione è positiva o negativa
  • La soluzione deriva da un cammino lungo una serie di nodi

Evoluzione:

  • Le Foglie rappresentano le decisioni
  • Qualsiasi funzione booleana può essere rappresentata come un albero di decisione

Applicazioni:

  • Posso definire una funzione di guadagno

Conclusioni:

Vantaggi vs Svantaggi

  • Semplici e di facile interpretazione
  • Se addestrati correttamente sono molto precisi ed accurati
  • Veloci ed efficienti
  • Possibilità di combinazione con altri sistemi di classificazione
  • Possibilità di diventare molto complessi se non sono ben chiare le applicazioni

A.A. 2011/2012 Zago Mattia - VR091801 - Bioinformatica Pagina 3

caratteristiche dell'insieme ConclusioniA.A. 2011/2012 Zago Mattia - VR091801 - Bioinformatica Pagina 4

PROPRIETÀ

Esempio di albero

PROPRIETÀ

PosPrediction Pos CostruzionePos Question PredictionNeg Question Neg OttimizzazioneFirst Question PredictionPosPrediction EvoluzioneNeg Question NegPrediction ApplicazioniConclusioniA.A. 2011/2012 Zago Mattia - VR091801 - Bioinformatica Pagina 5

A DLBERI DI ECISIONE Proprietà

C OSTRUZIONE

C OSTRUZIONE OTTIMIZZAZIOO

NETTIMIZZAZIONEE

VOLUZIONE EVOLUZIONE

ApplicazioniConclusioniA.A. 2011/2012 Zago Mattia - VR091801 - Bioinformatica Pagina 6

A DLBERI DI ECISIONECostruzione

IDEALMENTE UNA SOLA DOMANDA PUÒ DIVIDERE IL SET NELLE… .… NON ESISTE QUASI MAICLASSI CORRETTE MA SOLUZIONESTRATIFICARE LE DOMANDE SCEGLIENDO DI LIVELLO INLIVELLO LA DOMANDA CHE MASSIMIZZA LA SEPARABILITÀ.TRA LE CLASSIV ’ALUTAZIONE OMOGENEITÀ DELL INSIEMEENTROPIA GINI INDEX

Pagina 7 CProprietà

Ottimizzazione Evoluzione Applicazioni Conclusioni

OSTRUZIONEA.A. 2011/2012 A DLBERI DI ECISIONE

Costruzione

ENTROPIA GINI INDEX

Training Set:

Dettagli
Publisher
Jiraky90
A.A. 2012-2013
29 pagine
SSD Scienze matematiche e informatiche INF/01 Informatica
I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Jiraky90 di informazioni apprese con la frequenza delle lezioni di Riconoscimento e Recupero dell'informazione per Bioinformatica e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Verona o del prof Bicego Manuele.