Задание для самостоятельной работы. Задание 1. Рассмотрим задачу определения того, является ли ядовитым найденный гриб

Задание 1. Рассмотрим задачу определения того, является ли ядовитым найденный гриб. Действие нашего «определителя грибов», как и других инструментов предсказания с помощью Data Mining, будет состоять из двух процессов: обучение модели (которое выполняется однократно и требует относительно много времени) и принятие решения о том, относится ли конкретный гриб к категории съедобных (что происходит неоднократно).

В качестве исходных данных для обучения модели мы воспользуемся набором данных о более чем 8 тыс. грибов, доступных в виде файла в формате CSV по адресу http://www.ics.uci.edu/~mlearn/MLRepository.html, который содержит таблицу, где имеется колонка Edibility с двумя возможными значениями (Еdible – съедобный и poisonous ядовитый). Для упрощения работы с этим набором данных переведем его на русский язык и импортируем в какую-нибудь СУБД, например в Access или в Microsoft SQL Server. Создадим в этой таблице автоматически заполняемое целочисленное ключевое поле оно потребуется при создании модели Data Mining на основе этих данных.

Теперь можно приступить к созданию самого дерева решений используя соответствующий инструментарий, например, системы STATIATICA.

Задание 2. Сформулировать собственную задачу, построить дерево решений и сделать выводы по полученным результатам.

Контрольные вопросы

1. В чем отличие задач классификации и прогнозирования методом деревьев решений.

2. Дайте определение критерия расщепления.

3. Преречислите преимущества метода деревьев решений.

4. Каковы правила остановки ветвления дерева решений.