3.4 Варіанти індивідуальних завдань
1. На основі таблиці навчальної вибірки, яку можна взяти в підрозділі 3.2 або запропонувати самостійно з метою вирішення конкретної практичної задачі, виконати наступне:
1) сформувати набір правил класифікації для множини значень залежної змінної евристичним способом;
2) побудувати дерево рішення для задачі класифікації евристичним способом;
3) застосувати правило для формування набору правил класифікації;
4) застосувати правило Naive Bayes для формування набору правил класифікації;
5) застосувати алгоритм ID3 для побудови дерева рішень;
6) застосувати алгоритм покриття для побудови дерева рішень;
7) порівняти результати застосування евристик та методів формування правил класифікації і побудови дерев рішень для однієї і тієї ж задачі.
2. Самостійно сформувати таблицю для оцінки рівня або класу (1-5) пожежної безпеки в залежності від факторів: різновидність лісових угідь (листові та хвойні ліси), різновид вологості ґрунту (низька, середня, висока), температура повітря (20, 30, 40 градусів). Виконати етапи завдання 1 для наведених даних.
3.5 Контрольні запитання і завдання
1. У чому полягає принципова відмінність між класифікацією та регресією?
2. Поясніть поняття класифікації та наведіть приклади практичних задач.
3. Поясніть суть підходу для формування набору правил класифікації.
4. Як пов’язані між собою правила класифікації та дерева рішення?
5. Поясніть ідею алгоритма ID3 для побудови дерева рішень.
6. У чому суть алгоритма покриття для побудови дерева рішень?
4 Формування асоціативних правил
4.1 Мета роботи
Освоїти практичні засоби побудови асоціативних правил для формування груп із об’єктів, пов’язаних між собою спільними властивостями в задачах ІАД.
4.2 Вказівки по організації самостійної роботи студентів
Однією
із найбільш поширених задач ІАД є пошук
наборів об’єктів, що часто зустрічаються
разом із усієї множини об’єктів
.
Набори (підмножини) об’єктів із множини
називаються транзакціями
[2].
Набір транзакцій формує деяку множину
,
– число транзакцій. Множини
можуть мати спільні елементи. Відношення
числа транзакцій, до яких входить набір
,
до загального числа транзакцій,
називається підтримкою
набору
і обчислюється як
,
де модуль означає кількість елементів.
При пошукові асоціативних правил
необхідно знайти всі набори, що
зустрічаються часто, як правило, з
.
Предметом
сиквенційного аналізу є послідовності
об’єктів з метою пошуку закономірності
в таких послідовностях. Кажуть, що
транзакція
включає послідовність
,
якщо
,
і об’єкти, що входять до
,
входять і до
зі збереженням порядку. При цьому
допускається, що між об’єктами із
можуть знаходитися інші об’єкти. Часто
аналізується ієрархічна структура
об’єктів, що дає можливість визначити
зв’язки між об’єктами.
Поняття «покращення» показує, наскільки введене правило на основі асоціації корисливіше від правила випадкового вибору. Якщо «покращення» більше 1, це означає, що застосування правила має більший сенс, ніж випадковий вибір.
Алгоритм Apriori [2] реалізує процедуру виявлення частих наборів об’єктів.
Основні поняття: пошук асоціацій, сиквенційний аналіз, підтримка та «покращення» правила, алгоритм Apriori.