شجرة القرار في الذكاء الاصطناعي: مقدمة ، أنواع ، وخلق

شجرة القرار هي التمثيل الرمزي لعملية صنع القرار. تُستخدم أشجار القرار في الذكاء الاصطناعي للوصول إلى استنتاجات بناءً على البيانات المتاحة من القرارات المتخذة في الماضي. علاوة على ذلك ، هذه الاستنتاجات هي قيم مخصصة ، يتم نشرها للتنبؤ بمسار العمل المحتمل اتخاذه في المستقبل.

أشجار القرار عبارة عن نماذج إحصائية وخوارزمية للتعلم الآلي تفسر وتتعلم الاستجابات من المشكلات المختلفة وعواقبها المحتملة. نتيجة لذلك ، تعرف أشجار القرار قواعد اتخاذ القرار في سياقات محددة بناءً على البيانات المتاحة. عملية التعلم مستمرة وتعتمد على التغذية الراجعة. هذا يحسن نتيجة التعلم بمرور الوقت. هذا النوع من التعلم يسمى التعلم تحت الإشراف. لذلك ، تعد نماذج شجرة القرار أدوات دعم للتعلم الخاضع للإشراف.

وبالتالي ، فإن أشجار القرار توفر عملية صنع القرار العلمي بناءً على الحقائق والقيم بدلاً من الحدس. في الأعمال التجارية ، تستخدم المنظمات هذه العملية لاتخاذ قرارات تجارية مهمة.

تعلم دورات الذكاء الاصطناعي والتعلم الآلي من أفضل الجامعات في العالم. احصل على درجة الماجستير أو برنامج PGP التنفيذي أو برامج الشهادات المتقدمة لتسريع مسار حياتك المهنية.

نوع نماذج شجرة القرار

يمكن استخدام هذه النماذج لحل المشكلات اعتمادًا على نوع البيانات التي تتطلب التنبؤ. تقع في الفئات التالية:

1. توقع المتغيرات المستمرة
2. التنبؤ بالمتغيرات الفئوية

1. التنبؤ بالمتغيرات المستمرة

يعتمد التنبؤ بالمتغيرات المستمرة على واحد أو أكثر من المتنبئين. على سبيل المثال ، قد تعتمد أسعار المنازل في منطقة ما على العديد من المتغيرات مثل العنوان ، وتوافر وسائل الراحة مثل حمام السباحة ، وعدد الغرف ، وما إلى ذلك. في هذه الحالة ، ستتنبأ شجرة القرار بسعر المنزل بناءً على متغيرات مختلفة القيم. ستكون القيمة المتوقعة أيضًا قيمة متغيرة.

يُطلق على نموذج شجرة القرار المستخدم للإشارة إلى هذه القيم اسم شجرة القرار المتغير المستمر. تحل أشجار القرار المتنوعة المستمرة مشكلات من نوع الانحدار. في مثل هذه الحالات ، تُستخدم مجموعات البيانات المصنفة للتنبؤ بإخراج مستمر ومتغير ومرقّم.

يجب أن تقرأ: كيفية إنشاء شجرة قرارات مثالية

2. التنبؤ بالمتغيرات الفئوية

يعتمد التنبؤ بالمتغيرات الفئوية أيضًا على المتغيرات الفئوية أو المستمرة الأخرى. ومع ذلك ، بدلاً من التنبؤ بقيمة ، تتعلق هذه المشكلة بتصنيف مجموعة بيانات جديدة إلى فئات مجموعات البيانات المتاحة. على سبيل المثال ، تحليل تعليق على Facebook لتصنيف النص على أنه سلبي أو داعم. إن إجراء تشخيص للمرض بناءً على أعراض المريض هو أيضًا مثال على نموذج شجرة قرار متغير قاطع. تحل أشجار القرارات المتغيرة الفئوية مشاكل نوع التصنيف حيث يكون الناتج فئة بدلاً من قيمة.

تحقق من: شجرة القرار في R

كيف يتم إنشاء أشجار القرار في الذكاء الاصطناعي

كما يوحي الاسم ، تكون خوارزمية شجرة القرار في شكل هيكل يشبه الشجرة. ومع ذلك ، فهو معكوس. تبدأ شجرة القرار من الجذر أو عقدة القرار الأعلى التي تصنف مجموعات البيانات بناءً على قيم السمات المختارة بعناية.

تمثل عقدة الجذر مجموعة البيانات بأكملها. هذا هو المكان الذي تحدد فيه الخطوة الأولى في الخوارزمية أفضل متغير توقع. يجعلها عقدة قرار. كما أنه يصنف مجموعة البيانات بأكملها إلى فئات مختلفة أو مجموعات بيانات أصغر.

تسمى مجموعة معايير تحديد السمات إجراءات تحديد السمات (ASM). يعتمد ASM على مقاييس الاختيار ، بما في ذلك كسب المعلومات ، والنتروبيا ، ومؤشر جيني ، ونسبة الكسب ، وما إلى ذلك. هذه السمات ، التي تسمى أيضًا الميزات ، تنشئ قواعد قرار تساعد في التفريع. تقسم عملية التفرع العقدة الجذرية إلى عقد فرعية ، وتنقسم إلى مزيد من العقد الفرعية حتى تتشكل العقد الورقية. لا يمكن تقسيم العقد الورقية إلى أبعد من ذلك.

إن تحديد ما إذا كانت الصورة المعطاة هي صورة قطة أو كلب هو مثال نموذجي للتصنيف. هنا ، يمكن أن تتمثل السمات أو السمات في وجود المخالب أو الكفوف ، وطول الأذنين ، ونوع اللسان ، وما إلى ذلك. سيتم تقسيم مجموعة البيانات إلى فئات أصغر بناءً على متغيرات الإدخال هذه حتى يتم الحصول على النتيجة.

اقرأ أيضًا: التصنيف في شجرة القرار

خاتمة

أشجار القرار هي نماذج تعلم كلاسيكية وطبيعية. إنها تستند إلى المفهوم الأساسي لفرق تسد. في عالم الذكاء الاصطناعي ، تُستخدم أشجار القرار لتطوير آلات التعلم من خلال تعليمهم كيفية تحديد النجاح والفشل. ثم تقوم آلات التعلم هذه بتحليل البيانات الواردة وتخزينها.

بعد ذلك ، يتخذون قرارات لا حصر لها بناءً على تجارب التعلم السابقة. تشكل هذه القرارات الأساس للنمذجة التنبؤية التي تساعد على التنبؤ بنتائج المشاكل. في الأعمال التجارية ، تستخدم المؤسسات هذه التقنيات لاتخاذ قرارات تجارية صغيرة وكبيرة لا حصر لها تؤدي إلى مكاسب أو خسائر ضخمة.

الخروج من برنامج الشهادة المتقدمة upGrad في التعلم الآلي و البرمجة اللغوية العصبية. تم تصميم هذه الدورة التدريبية مع مراعاة أنواع مختلفة من الطلاب المهتمين بالتعلم الآلي ، حيث تقدم إرشادًا من 1-1 وغير ذلك الكثير.