Simulic
Português

Árvore de decisão – classificar dados com perguntas de sim ou não

ComputaçãoDados, IA e aprendizado de máquinaIdades 17–18

Carregando…

Compartilhar Relatar um problema

Dados de duas classes em um plano definido por duas características (o tempo e sair de casa, maçã ou limão, passar em uma prova). O computador constrói uma árvore de decisão escolhendo em cada nó a pergunta "característica ≤ limiar?" que mais reduz a impureza de Gini ou a entropia, ou os alunos cortam regiões por conta própria e veem antes quanto a impureza cai. O plano é dividido em retângulos e a árvore aparece abaixo; mude a profundidade máxima para comparar a acurácia nos dados de treino e de teste e ver claramente o sobreajuste.

Aula: Aprendizado de máquina: árvores de decisão, impureza de Gini e entropia, dados de treino e de teste, sobreajuste

O que mostra

Uma árvore de decisão classifica um exemplo com uma sequência de perguntas de sim ou não; cada uma compara uma característica com um limiar, então o plano fica dividido em retângulos. Os dados vêm de uma regra oculta com rótulos trocados ao acaso (ruído); 70% treinam a árvore e 30% ficam reservados para o teste. Em cada nó, o computador escolhe de forma gulosa o corte que mais reduz a impureza de Gini ou a entropia ponderadas. Árvores mais profundas se ajustam melhor ao treino, mas podem decorar o ruído, e a acurácia de teste para de melhorar ou cai.

Como usar

Em Árvore automática, mova a Profundidade máxima de 1 a 8 e observe no gráfico a acurácia de treino e de teste. Mude para Faça suas perguntas, escolha Corte vertical ou Corte horizontal, passe o mouse para ver a prévia e clique em uma região. Compare com Melhor pergunta, desfaça com Juntar e clique em Novos dados.

Parâmetros que você pode mudar

  • Conjunto de dados Sair de casa? (temperatura, umidade), Maçã ou limão? (massa, vermelhidão da casca), Passa na prova? (horas de estudo, simulado)
  • Número de dados 40–200 pontos
  • Ruído (parcela de rótulos trocados) 0–30 %
  • Profundidade máxima da árvore 1–8
  • Critério de divisão Impureza de Gini, Entropia (ganho de informação)
  • Mostrar dados de teste

Perguntas para explorar

  1. Por que a acurácia de treino continua subindo com a profundidade e a de teste não?
  2. Por que o conjunto "Passa na prova?", com fronteira diagonal, precisa de tantas perguntas?
  3. O que a primeira pergunta escolhida na raiz diz sobre os dados?

Simulações relacionadas