Árvore de decisão – classificar dados com perguntas de sim ou não
ComputaçãoDados, IA e aprendizado de máquinaIdades 17–18
Para que você usa principalmente esta simulação?
Use com a sua turma: os alunos abrem por um link ou QR code, sem precisar de conta.
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. Em Suas próprias regras, os alunos escrevem até três regras se-então, ajustam seus limiares em um lote de treino, testam cada versão em um lote novo e registram sua acurácia.
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). O computador escolhe de forma gulosa o corte que mais reduz a impureza de Gini ou a entropia; árvores mais profundas se ajustam melhor aos dados de treino, mas podem decorar o ruído. Em Suas próprias regras, você mesmo escreve o modelo: regras se-então com limites, ajustadas em um lote de treino e testadas em lotes novos que as regras nunca viram.
Como usar
Em Árvore automática, mova a Profundidade máxima de 1 a 8 e compare a acurácia de treino e de teste. Em Faça suas perguntas, escolha Corte vertical ou Corte horizontal e clique em uma região para dividi-la. Em Suas próprias regras, defina os limites e a classe de cada regra, acompanhe a acurácia de treino e clique em Testar em um lote novo e registrar para salvar cada versão com sua acurácia.
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
- Tela Árvore de decisão, Suas próprias regras
Perguntas para explorar
- Por que a acurácia de treino continua subindo com a profundidade e a de teste não?
- Por que o conjunto "Passa na prova?", com fronteira diagonal, precisa de tantas perguntas?
- O que a primeira pergunta escolhida na raiz diz sobre os dados?