Yasir KARAMAN | Decision Trees |
Decision Trees (Karar Ağacı) algoritması aslında insan düşünce sistemine benzer. Farklı seçimlerin olası sonuçlarını değerlendirir ve bunu Karar Ağacı biçiminde haritalandırarak en doğru olasılığı seçmeye çalışır. Bu seçme işlemi her zaman verimli seçeneğe göre yapılır örneğin 2 adet seçmeli ders olsun bunlar A dersi ve B dersi , A dersi 5 kredi ve Geçme olasılığı %60 olsun, B derside 3 Kredi ve Geçme olasılığı %65 olsun. Öğrenci açısından yüksek kredili derslerden AA almak önemlidir ve bunu zorlanmadan yapmak ister şimdi Karar Ağacı algoritması ile düşünelim A dersi için kredi sayısı yüksek bu yüzden 1 puan ve geçme oranıda fena değil, B dersi ise A ya göre düşük krediye sahip ve buna rağmen geçme olasılığıda kredisine göre yüksek bu sebeplerden ötürü karar ağacı A Dersini seçer.
|
Öncelikle bir Root Node (Kök Düğüm) yani ilk temel soru ile başlanır bu soru veri seti içerisinde veriler üzerinden bulunan ana sorudur. Sonra bu kökten itibaren verilerin niteliklerine göre sorular sorarak dallar oluşturulur bu soruların cevapları Evet veya Hayır şeklindedir. Bu dallanma daha sonraki kararlarla devam eder ve verilerin adım adım azaltılmasına yardımcı olur. En son bütün veri setindeki oluşturulabilecek soru kalmadığı zaman dallanma biter ve nihai sonuç elde edilir. |
 |
Birlikte bir galerideki araçları Aile, Spor ve Şehir olarak 3 gruba ayırmaya çalışalım. Öncelikle araçlar veri seti içerisindeki bütün verileri tarayalım ve en mantıklı ilk soruyu bulalım. Bizim veri setimiz için bu soru Kapı Sayısıdır çünkü 2 veya 1 kapıya sahip araçlar direkt Spor araba olarak isimlendirilebilir ve bu soru sayesinde 3 olasılıktan 1 tanesini elemiş oluyoruz. Geri kalan 2 araç tipi için ise en iyi ayrıştırıcı soruyu sormalıyız bu soru ise Motor Gücü (HP) olabilir. Çünkü düşük motor gücüne sahip araçlar genellikle Aile aracı olarak adlandırılır ve bu sayede geriye kalan 2 grubuda ayırmış olduk.
