كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

شجرة القرار

Decision Tree

التعلم الموجّه Supervised Learning

التعريف

نموذج يقسّم البيانات بأسئلة متتالية من نوع «هل الخاصية أقل من قيمة؟» حتى يصل إلى أوراق تحمل التنبؤ.

الفكرة الأساسية

في كل عقدة نختار السؤال الذي يجعل المجموعتين الناتجتين أنقى ما يمكن (أقل Gini أو Entropy للتصنيف، أقل تباين للانحدار).

بتلة < 2.5؟نعم: Setosaعرض < 1.7؟VersicolorVirginica
أسئلة متتالية على الخصائص تقسم البيانات حتى أوراق تحمل الفئة.

آلية العمل

  1. نبدأ بكل البيانات في الجذر
  2. نجرب كل خاصية وكل عتبة ونقيس النقاء
  3. نختار أفضل تقسيم ونكرر على كل فرع
  4. نتوقف عند عمق أقصى أو حد أدنى لعدد الأمثلة
  5. الورقة تتنبأ بالفئة الأكثر أو بالمتوسط

نوع البيانات ونوع المشكلة

نوع البياناتجدولية رقمية وفئوية، ولا تحتاج تطبيعاً
نوع المشكلةتصنيف وانحدار

المزايا

  • سهلة التفسير ويمكن رسمها
  • لا تحتاج تطبيعاً
  • تلتقط علاقات غير خطية وتفاعلات

القيود

  • تميل للإفراط في التخصيص Overfitting إذا تُركت عميقة
  • غير مستقرة: تغيير بسيط في البيانات قد يغير الشجرة

المعاملات المهمة

  • العمق الأقصى max depth
  • أقل عدد أمثلة في الورقة
  • معيار التقسيم Gini/Entropy
  • التقليم Pruning

مقاييس التقييم

  • Accuracy الدقة
  • Precision وRecall
  • F1-score
  • Confusion Matrix مصفوفة الالتباس
  • ROC AUC للتصنيف الثنائي
  • للانحدار: MAE وRMSE

الأدوات التي تدعمها

OrangeTree
KNIMEDecision Tree Learner + Decision Tree Predictor
WEKAtrees.J48 (تطبيق C4.5)

أمثلة تطبيقية

  • قواعد قبول طلب قرض
  • تصنيف أزهار Iris
  • تشخيص أعطال الآلات

مشاريع مرتبطة

خوارزميات بديلة

جرّبها في المختبر