كيف تصنع شجرة قرار مثالية | خوارزمية شجرة القرار [مع أمثلة]

إذا كنت تتساءل عن "كيفية إنشاء شجرة قرار" أو "هل يمكنني إنشاء شجرة قرار في Java" ، فقد وصلت إلى المكان الصحيح. في هذه المقالة ، سنجد إجابات لمثل هذه الأسئلة حيث سنناقش أشجار القرار بالتفصيل. ستكتشف ما هي ولماذا تحظى بشعبية كبيرة وكيف يمكنك إنشاء واحدة منها.

قبل إنشاء شجرة قرار ، يجب أن تكون على دراية بالعديد من الموضوعات الأخرى مثل الانحدار الخطي والخوارزميات.

اقرأ المزيد: شجرة القرار في R

ما هي شجرة القرار؟

تمنحك شجرة القرار خريطة لجميع النتائج المحتملة لاختيارات معينة. يمكن أن يساعدك في التخطيط للإجراءات المستقبلية في ظل سيناريوهات مختلفة وفقًا لاختيارات مختلفة. يمكنك مقارنة تلك النتائج المحتملة على أساس الاحتمالات والتكاليف.

كما يوحي الاسم ، تُظهر شجرة القرار رسمًا بيانيًا يشبه الشجرة. إنه نموذج للقرارات ، إلى جانب نتائج وعواقب كل منها. هدفه النهائي هو مساعدتك على أداء التصنيف بشكل صحيح أثناء المرور بأقل عدد ممكن من الخيارات.

يمكنك تمثيل الوظائف المنطقية باستخدام أشجار القرار أيضًا. كل عقدة ورقية في شجرة القرار هي تسمية فئة ، والعقد الداخلية للشجرة تظهر السمات. يبدأون بعقدة واحدة ثم يتفرعون إلى كل الاحتمالات. كل فرع من هذه الفروع يؤدي إلى المزيد من العقد التي تمثل عواقب أخرى محتملة. يمكنك إنشاء شجرة قرار في Java.

تحتوي شجرة القرار على أنواع مختلفة من العقد:

• عقد القرار
• عقد الفرصة
• عقد النهاية

تعكس العقد النهائية النتيجة النهائية لمسار القرار بينما تُظهر عقد الفرصة فرص نتائج معينة. تشير عقد القرار إلى القرار الذي ستتخذه والذي سيؤدي إلى النتائج المحتملة. يمكنك استخدام أشجار القرار لرسم تنبؤات خوارزمية وكذلك لاتخاذ قرارات غير رسمية.

الآن بعد أن تعرفت على ماهية شجرة القرار ، يجب أن نركز على الحفر أعمق قليلاً وفهم سبب انتشارها. دعنا نتعمق.

تطبيقات شجرة القرار

فيما يلي بعض تطبيقات أشجار القرار حتى تتمكن من معرفة مدى انتشارها:

• تستخدمها البنوك لتصنيف طلبات القروض الخاصة بهم
• يستخدم المتخصصون الماليون أشجار القرار لتسعير الخيارات
• تصنيف أوراق الامتحان حسب مستوى خبرة المرشحين
• اختيار قبول أو رفض عرض العمل
• اتخاذ قرارات العمل الأساسية مثل ما إذا كان يجب على الشركة تعديل منتجها أم لا.

لابد أنك استخدمت أشجار القرار بنفسك في اتخاذ خيارات مختلفة في حياتك. ما عليك سوى الخروج ببعض السيناريوهات التي يتعين عليك فيها اتخاذ قرار معقد.

مزايا شجرة القرار

هناك العديد من المزايا لاستخدام شجرة القرار. ها هم:

• تنتج أشجار القرار قواعد يمكنك فهمها بسهولة. لن تجد صعوبة في نقل هذه القواعد إلى أنظمة أخرى.
• يمكنهم التعامل مع المتغيرات الفئوية وكذلك المستمرة
• ستمنحك شجرة القرار مؤشرًا بسيطًا على أهمية كل مجال. يمكنك بسهولة عمل تنبؤات (أو تصنيفات) وفقًا لنفسه.
• تقوم أشجار القرار أيضًا بإجراء تحديد ميزة بشكل ضمني يساعدك في استكشاف البيانات.

تعرف على المزيد: خوارزميات الذكاء الاصطناعي

عيوب شجرة القرار

كل شيء له عيوبه ، وأشجار القرار ليست استثناء. فيما يلي بعض المشاكل في استخدامها:

• لا تفيد شجرات القرار في أداء مهام التقدير. هذا لأن مثل هذه الوظائف تتطلب التنبؤ بقيمة السمة المستمرة ، وأشجار القرار ليست جيدة في ذلك.
• من الناحية الحسابية ، تعد أشجار القرار أكثر تكلفة من الخيارات الأخرى. سيكلفك تدريب نموذج شجرة القرار أيضًا كثيرًا مقارنة بالآخرين. تعد خوارزميات التقليم التي تستخدمها في صنع أشجار القرار باهظة الثمن أيضًا لأنها تتطلب بناء العديد من الأشجار الفرعية.
• إذا كان لديك عدد كبير من أمثلة الفصول الدراسية ولكن لديك عدد قليل من أمثلة التدريب ، فلن تكون أشجار قرارك دقيقة للغاية ، وستكون فرص احتواء الأخطاء فيها عالية بشكل ملحوظ.

كيف تصنع شجرة قرار

دعونا ننشئ شجرة قرار حول ما إذا كان الشخص سيشتري جهاز كمبيوتر أم لا. في هذه الحالة ، لدينا فصلين ، "نعم" و "لا". تشير الفئة الأولى إلى الأشخاص الذين قد يشترون جهاز كمبيوتر ، بينما تشير الفئة الثانية إلى أولئك الذين لا يرغبون في ذلك. أولاً ، سنحسب كسب المعلومات والانتروبيا لهذه الفئات.

بمجرد حساب Entropy لهذه الفئات ، سنركز على اكتساب المعلومات. يمكننا تصنيف قيم الانتروبيا على النحو التالي:

إذا كانت Entropy تساوي 0 ، فهذا يعني أن البيانات نقية (متجانسة)

إذا كانت Entropy تساوي 1 ، فهذا يعني أن البيانات غير نقية (نصف مقسمة)

لنفترض أن إنتروبيا لدينا غير نقية. ثم سنقسم كسب المعلومات على العمر. بهذه الطريقة ، ستُظهر بياناتنا عدد الأشخاص من فئة عمرية معينة سيشترون هذا المنتج وعدد الأشخاص الذين لن يشتروا. يمكننا حساب كسب المعلومات لسمات متعددة. ولكن في مثالنا ، وجدنا أن مكاسب المعلومات هي الأعلى بالنسبة "للعمر" والأقل بالنسبة "للدخل". لذلك ، سوف نذهب مع ذلك.

فيما يلي قواعد التصنيف لشجرة القرار هذه:

إذا كان عمر شخص ما أقل من 30 عامًا وإذا لم يكن هذا الشخص طالبًا ، فلن يشتري المنتج ، لذلك:

العمر (<30) ^ طالب (لا) = لا

ولكن إذا كان الشخص الذي يقل عمره عن 30 عامًا وكان طالبًا ، فسيشتري المنتج:

العمر (<30) ^ طالب (نعم) = نعم

الآن ، إذا كان عمرهم يتراوح بين 31 و 40 ، فمن المؤكد أنهم سيشترون المنتج:

العمر (31 ... 40) = نعم

لن يشتري الشخص الذي يزيد عمره عن 40 عامًا ويتمتع بتصنيف ائتماني مرتفع:

العمر (> 40) ^ معدل الائتمان (مرتفع) = NO

من ناحية أخرى ، إذا كان الشخص أكبر من 40 عامًا ولكن لديه تصنيف ائتماني متوسط ​​، فسيشتري المنتج:

العمر (> 40) ^ معدل الائتمان (عادي) = نعم

باتباع هذه الخطوات ، ستتمكن من إنشاء شجرة القرار المثالية دون أي صعوبة .

معرفة المزيد عن: أفضل 9 مكتبات للتعلم الآلي يجب أن تعرفها

خاتمة

الآن يجب أن تعرف كيفية إنشاء شجرة قرار. يمكنك معرفة المزيد عن أشجار القرار والخوارزميات ذات الصلة في دورة التعلم الآلي الخاصة بنا. نحن على يقين من أنك ستتمكن من تعزيز معرفتك هناك حيث ستتعلم كيف يمكنك إنشاء شجرة قرار في Java ، وكيف يمكنك استخدامها في الحياة الواقعية ، والمزيد.

إذا كنت مهتمًا بمعرفة المزيد حول التعلم الآلي ، فراجع دبلوم PG في IIIT-B & upGrad في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، IIIT- حالة الخريجين B ، أكثر من 5 مشاريع تتويجا عملية ومساعدة وظيفية مع أفضل الشركات.