Instytut Sterowania i Systemów Informatycznych

Uniwersytet Zielonogórski
Instytut Sterowania i Systemów Informatycznych
Kierunek: Automatyka i Robotyka
Systemy wspomagania decyzji
laboratorium
5. Wydobywanie wiedzy z danych z wykorzystaniem drzew
decyzyjnych.
1. Zapoznać się z zasadami budowy drzewa decyzyjnego w oparciu o dane eksperymentalne,
• dane do budowy drzewa otrzyma na zajęciach każda grupa, do analizy metody
należy zastosować dane z wykładu,
• w procesie generowania drzewa zastosować różne kryteria wyboru atrybutów,
• porównać otrzymane drzewa decyzyjne.
2. Budowa drzewa w oparciu o algorytm Quinlana,
• dla danych przekazanych przez prowadzącego zbudować drzewo decyzyjne przy
dowolnym wyborze kolejnych atrybutów,
• stosując algorytm Quinlana wyznaczyć:
– entropię zbioru m-elementowego,
– entropię wszystkich zastosowanych w zadaniu atrybutów,
– przyrost informacji wprowadzony przez każdy atrybut,
• zbudować drzewo decyzyjne w oparciu o kolejność atrybutów wyznaczoną za
pomocą algorytmu Quinlana.
3. Porównać otrzymane różnymi metodami drzewa decyzyjne.
Literatura:
[1 ] Kwiatkowska A.M.: Systemy wspomagania decyzji. Jak korzystać z wiedzy i informacji
w praktyce. - Wydawnictwo Naukowe PWN SA, Warszawa 2007.
[2 ] Pieczyński A.: Reprezentacja wiedzy w diagnostycznych systemach ekspertowych. Lubuskie Towarzystwo Naukowe, Zielona Góra, 2003.
[3 ] Piegat A.: Modelowanie i sterowanie rozmyte. - Akademicka Oficyna Wydawnicza
EXIT, Warszawa, 1999.
[4 ] Rutkowska D.: Inteligentne systemy obliczeniowe, Algorytmy genetyczne i sieci neuronowe
w systemach rozmytych. - Akademicka Oficyna Wydawnicza, Warszawa, 1997.
1
[5 ] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i
zbiory rozmyte, - Wydawnictwo Naukowe PWN, Warszawa, 1999.
[6 ] Yager R.R., Filev D.P.: Podstawy modelowania i sterowania rozmytego, - J.Wiley §
Sons. Inc. 1994.
2