16 Грудня, 2017
0
Decision tree with Time limit – полезная программа для компьютера, позволяющая строить деревья решений для задач классификации. Результат программы в виде кода Pascal, который может быть легко адаптирован под любые универсальные языки программирования (PHP, C++, C#, JavaScript и т. п.). Отличительная особенность – возможность влиять на “стоимость” результирующего дерева.
Дерево принятия решений – один из мощных средств для анализа больших данных. Деревья предназначены для задач классификации. И с этим справляются иногда лучше, чем нейросети.
Программа “Дерево решений с ограничением по времени” даёт возможность создать (обучить) такое дерево на основе данных из CSV-файла. Входной файл для программы должен быть в текстовом виде.
Что такое “с ограничением по времени”?
Очень часто получение каких-то параметров более затратное, стоит больше. Яркий пример – постановка медицинского диагноза. Врач (по сути) имеет дерево решений в своей голове. Он начинает опрос с более простых вопросов, которые можно быстро получить (мало затрачивается времени). И только в случае проблем с диагностикой на более поздних стадиях обследования назначаются анализы. Начинают с более быстрых и дешёвых. Подобная ситуация возникает и в других случаях. Например при анализе фотографий какие-то характеристики считаются очень быстро и именно с них нужно начинать анализ.
Что не реализовано в бесплатной версии?
Требования к данным
Информация об объектах, которые необходимо классифицировать, должна быть представлена в виде конечного набора признаков (колонок), каждый из которых имеет числовое значение. Такой набор атрибутов назовём примером (строка). Для всех примеров количество колонок и их состав должны быть постоянными. Множество классов, на которые будут разбиваться примеры, должно иметь конечное число элементов, а каждый пример должен однозначно относиться к конкретному классу. Число классов не более 256 (нумерация от 0 до 255). Для случаев с нечёткой логикой, когда примеры принадлежат к классу с некоторой вероятностью, программа неприменима. В обучающей выборке количество примеров должно быть значительно больше количества классов, к тому же каждый пример должен быть заранее ассоциирован со своим классом.
Ссылки
