Devoir sur les arbre de décisions

Devoir sur les arbres de décisions

Ceci est un TD sur les algorithmes d’arbres de décisions dans le domaine de l’Intelligence artificiel, qui est inspiré de plusieurs ressources sur internet en plus des cours magistraux dans l’université. Le but de ce travail est de vérifier si l’étudiant a bien compris les concepts et méthodologies découverts dans le cour sur le Machine Learning.

Utilisez l’ensemble de données suivant pour répondre aux questions de 1 à 5 :

1. Entrainez une arbre de décision T1 des données précédents. Quelle caractéristique sur laquelle on doit diviser dans la racine ?

☐ X1

☐ X2

☐ X3

1. Entrainez l’arbre T1 complètement.

1. Quelle est la profondeur de l’arbre T1 ?
2. Quelle est l’erreur de classification de T1 ?

1. On considère une arbre T2 qui est divisé sur X1 dans la racine, et sur X2 dans le premier niveau, est qui a des feuilles dans le 2ème niveau.

Quelle est la profondeur de T2 ?

1. Quelle est l’erreur de classification de T2 ?
2. Comparez T1 et T2.
3. Imaginez qu’on entraine une arbre de décision, et on est dans un nœud. Chaque point de donnée est (X1, X2, y), où X1 et X1 sont des caractéristiques, et y est le label (classe). Les données dans ce nœud sont comme suivant :

Quelle caractéristique donne la meilleur division ?

☐ X1

☐ X2

1. Si on entraine un arbre de décision, et on est dans un nœud dans lequel tout les données on la même valeur de y (la même classe), on doit :

☐ Trouver la meilleur caractéristique sur laquelle on doit diviser.

☐ Créer une feuille qui prédit la valeur de y pour tous les données.

☐ Terminer la récursion dans tous les branches et retourner l’arbre actuelle.

☐ Retourner au nœud parent et sélectionner une caractéristique différente sur laquelle on divise pour avoir des valeur de y différentes.

...