مصنّف شجرة القرار – فرز البيانات بأسئلة نعم/لا

ماذا تعرض

تصنّف شجرة القرار المثال بطرح سلسلة من أسئلة نعم/لا، يقارن كل منها سمة واحدة بعتبة، فينقسم مستوى السمات إلى مستطيلات. تأتي البيانات هنا من قاعدة مخفية مع تسميات قُلبت عشوائيًا (ضجيج)؛ تُستخدم 70% منها لتدريب الشجرة وتُحجز 30% للاختبار. وفي كل عقدة يختار الحاسوب بطريقة جشعة التقسيم الذي يخفض عدم نقاء جيني الموزون أو الإنتروبيا أكثر ما يمكن. والأشجار الأعمق تلائم بيانات التدريب أكثر، لكنها قد تبدأ بحفظ الضجيج، فتتوقف دقة الاختبار عن التحسن أو تنخفض.

طريقة الاستخدام

في «شجرة يبنيها الحاسوب» حرّك «العمق الأقصى» من 1 إلى 8 وراقب دقة التدريب ودقة الاختبار على المخطط. انتقل إلى «أسئلتك الخاصة»، واختر «تقسيم عمودي» أو «تقسيم أفقي»، ومرّر المؤشر لمعاينة انخفاض عدم النقاء، ثم انقر منطقة لتقسيمها. قارن مع «أفضل سؤال»، وتراجع باستخدام «دمج»، واضغط «بيانات جديدة» لتكرار التجربة.

المعاملات القابلة للتغيير

• مجموعة البيانات هل نخرج؟ (درجة الحرارة، الرطوبة), تفاحة أم ليمونة؟ (الكتلة، احمرار القشرة), النجاح في الاختبار؟ (ساعات المراجعة، درجة الاختبار التدريبي)
• عدد نقاط البيانات 40–200 نقطة
• الضجيج (نسبة التسميات المقلوبة) 0–30 %
• العمق الأقصى للشجرة 1–8
• معيار التقسيم عدم نقاء جيني, الإنتروبيا (كسب المعلومات)
• إظهار بيانات الاختبار

أسئلة للاستكشاف

1. لماذا تستمر دقة التدريب في الارتفاع مع زيادة العمق بينما لا ترتفع دقة الاختبار؟
2. لماذا تحتاج مجموعة البيانات «النجاح في الاختبار؟» ذات الحد القطري إلى هذا العدد الكبير من الأسئلة؟
3. ماذا يخبرك السؤال الأول الذي يُختار عند الجذر عن البيانات؟