Fundamentos de IA: Árvores, Redes Neurais e Algoritmos Genéticos
Classificado em Computação
Escrito em em português com um tamanho de 4,25 KB
Fundamentos de Inteligência Artificial
Árvores de Decisão
Vantagens
- Fáceis de implementar
- Permitem extrair regras claras
- Não incrementais (mais eficientes e práticas, sem backtracking)
Desvantagens
- Função objetivo deve ser discreta
- Principalmente para problemas de classificação
Critérios de Parada
- Todos os exemplos pertencem à mesma classe
- Todos os exemplos têm o mesmo valor dos atributos
- O ganho em cada partição for insignificante
- O número de exemplos atingiu um certo limite
Problema de Overfitting
Se o número de nós for muito grande, as decisões são tomadas com base em partições muito pequenas dos exemplos, o que diminui a generalização.
Fórmulas
- Entropia (Ent(S)):
Ent(S) = -(p+ * log2p+) - (p- * log2p-)
, ondeS
é o conjunto de exemplos