Pohon
keputusan adalah alat yang sangat baik yang membantu untuk memilih antara
beberapa program tindakan . Mereka menggambarkan struktur pohon dimana daun
mewakili klasifikasi dan cabang merupakan konjungsi fitur yang mengarah kepada
mereka classifications. Strukutr ini adalah yang sangat efektif di mana Anda
dapat lay out pilihan dan menyelidiki kemungkinan hasil memilih option. Mereka
juga membantu Anda membentuk gambaran yang seimbang dari risiko dan manfaat
yang terkait dengan setiap kemungkinan tindakan . Sebuah pohon keputusan dapat
dipelajari dengan memisahkan data sumber diatur ke subset berdasarkan proses
nilai atribut tes. Tes ini diulang pada setiap bagian diturunkan dalam
manner.The rekursi rekursif selesai ketika baik membelah non - layak atau
klasifikasi tunggal dapat diterapkan untuk setiap elemen yang berasal dari
subset.
Algoritma
pertama kita digunakan dalam studi kasus ini adalah SBP. SBP adalah algoritma
-profit yang berbasis dan mengklasifikasikan data dengan tujuan memperoleh
keuntungan lebih daripada menjadi lebih accurate.The algoritma kedua kita
gunakan adalahC4. Algoritma ini didasarkan pada ID3 algorithm. Ini berisi
beberapa perbaikan seperti memilih ukuran seleksi atribut yang tepat ,
penanganan data pelatihan dengan nilai atribut yang hilang , penanganan atribut
dengan biaya yang berbeda dan penanganan atribut kontinyu .
Pada
langkah pertama , Information Gathering, kami mengumpulkan semua informasi yang
relevan yang digunakan dalam proses data mining . Dalam kasus kami, kami punya
informasi dan lokasi dokter hewan Sensus data. Selanjutnya, kami pergi melalui
proses Data Persiapan untuk menyiapkan data dalam format yang dibutuhkan
sehingga dapat diberi makan ke perangkat lunak data mining untuk menghasilkan
aturan keputusan . Ketiga , kami berlari paket perangkat lunak data mining pada
training set . Kami menggunakan Pohon Keputusan Builder Pro ( DPTR ) untuk
menjalankan kedua SBP dan keputusan C4.5 pohon algorithms.15 - 17 Kita juga
bisa digunakan algoritma lebih lanjut untuk menciptakan model yang lebih .
Pada
bagian berikutnya , kita menunjukkan hasil yang dihasilkan oleh penerapan
algoritma . Setelah itu , kami melakukan Analisis Hasil dengan menciptakan
grafik Angkat , grafik Gain dan analisis chi - kuadrat . Akhirnya , kami pergi
melalui proses Pengetahuan Eksploitasi dan menunjukkan bagaimana pengetahuan
diperoleh melalui data mining dapat digunakan untuk menginformasikan perilaku
PetCoverCo dan meningkatkan kinerjanya .
Like the Post? Share with your Friends:-
0 comments:
POST A COMMENT