s444423/SI_Traktor
3
1
Fork 0
Code Issues Pull Requests Releases Wiki Activity

Update 'Justyna.md'

Browse Source
This commit is contained in:
Justyna Zarzycka 2020-06-03 09:06:11 +00:00
parent 16d45a7d51
commit ee0c10e457
1 changed files with 2 additions and 2 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

4
Justyna.md
View File

@ -7,7 +7,7 @@ Projekt implementuje tworzenie drzewa decyzyjnego wykorzystującego algorytm ID3
### Tworzenie drzewa decyzyjnego ### Tworzenie drzewa decyzyjnego
funkcja budująca drzewo za pomocą algorymu ID3: Funkcja budująca drzewo za pomocą algorymu ID3:
```py ```py
def ID3(data, original_data, attributes, target, parent_node_class=None): def ID3(data, original_data, attributes, target, parent_node_class=None):
@ -41,7 +41,7 @@ def ID3(data, original_data, attributes, target, parent_node_class=None):
``` ```
Cechą charakterystyczną algorytmu jest wybór atrybutów dla których kolejno przeprowadzane są testy taki, aby końcowe drzewo było jak najprostsze i jak najefektywniejsze. Wybór atrybutów opiera się na liczeniu entropii, co pozwala obliczyć, wybór którego z atrybutów da największy przyrost informacji. Cechą charakterystyczną algorytmu jest wybór atrybutów dla których kolejno przeprowadzane są testy taki, aby końcowe drzewo było jak najprostsze i jak najefektywniejsze. Wybór atrybutów opiera się na liczeniu entropii, co pozwala obliczyć, wybór którego z atrybutów da największy przyrost informacji.
#obliczanie wartości przyrostu informacji Obliczanie wartości przyrostu informacji:
Funkcja oblicza który atrybut najlepiej rozdziela zbiór danych (dzieli zbiór przykładów na jak najbardziej równe podzbiory). Funkcja oblicza który atrybut najlepiej rozdziela zbiór danych (dzieli zbiór przykładów na jak najbardziej równe podzbiory).