Pohon Keputusan Kecerdasan Buatan Oct 2017 nova.pssi@gmail.com
Pohon Keputusan Bentuk paling sederhan dan handal untuk pembelajaran mesin Pohon Keputusan Representasi keadaan Ruang hipotesa Mempelajari hipotesa yang baik Oct 2017 nova.pssi@gmail.com
Represetasi Pohon Keputusan Input berupa vector dari nilai atribut Output merupakan keputusan tunggal Input & output dapat bernilai kontinu atau diskrit Menghasilkan keputusan berdasarkan tes sekuensial Nilai dari setiap atribut, 𝐴 𝑖 Setiap cabang yang mungkin dari node nilai atribut 𝑣 𝑖𝑘 Oct 2017 nova.pssi@gmail.com
Contoh 1 Misalkan akan dibuat pohon keputusan untuk menunggu meja kosong pada satu restoran Tujuannya adalah mempelajari predeksi tujuan akan_menunggu Oct 2017 nova.pssi@gmail.com
Buatlah daftar atribut Alternatif: adakah alternative restoran lain yang memungkinkan Bar: apakah restoran memiliki bar yang nyaman untuk menunggu Akhir pekan: apakah hari jumat, sabtu, atau minggu Lapar: apakah merasa lapar Keramaian: berapa banyak orang berada di restoran (tidak ada, ada, penuh) Harga: kisaran harga menu restoran Oct 2017 nova.pssi@gmail.com
Buatlah daftar atribut (2) Hujan: apakah di luar restoran sedang turun hujan Reservasi: apakah sudah memesan tempat Tipe: jenis restoran (Indonesia, Chinese, fast food, pizza) Estimasi waktu: berapa lama waktu menunggu Oct 2017 nova.pssi@gmail.com
Ekspresi Pohon Keputusan Dituliskan dalam bentuk logika proposional 𝐺𝑜𝑎𝑙 ⇔( 𝑃𝑎𝑡ℎ 1 ∨ 𝑃𝑎𝑡ℎ 2 ∨ …) Path merupakan nilai atribut Path = (Keramaian = Penuh ∧ Estimasi waktu = 0-10) Oct 2017 nova.pssi@gmail.com
Oct 2017 nova.pssi@gmail.com
Oct 2017 nova.pssi@gmail.com
Induksi Pohon Keputusan konsisten kecil Decision-Tree-Learning Algorithm Pembagian greedy Strategi pengambilalihan Selalu menguji atribut yang paling penting terlebih dahulu Oct 2017 nova.pssi@gmail.com
Oct 2017 nova.pssi@gmail.com
Oct 2017 nova.pssi@gmail.com
Oct 2017 nova.pssi@gmail.com
Terima Kasih Oct 2017 nova.pssi@gmail.com