Lập trình
2. Trên mỗi lần lặp của thuật toán, nó sẽ lặp qua thuộc tính của tập S và tính toán entropy (H) và Độ lợi thông tin (IG) của thuộc tính này.
3. Sau đó, nó chọn thuộc tính có mức tăng entropy nhỏ nhất hoặc thông tin lớn nhất.
4. Sau khi chọn được thuộc tính ở một nút, một vài ngưỡng được sinh ra ngẫu nhiên và mỗi ngưỡng được tính toán mức độ làm giảm entropy. Ngưỡng ứng với khả năng làm giảm entropy cao nhất sẽ được chọn làm ngưỡng chia nhị phân cho nút đó.
5. Tập hợp S sau đó được chia theo thuộc tính đã chọn, tại ngưỡng đã chọn để tạo ra một tập hợp con của dữ liệu.
6. Thuật toán tiếp tục lặp lại trên mỗi tập hợp con, chỉ xem xét các thuộc tính chưa từng được chọn trước đó.
Điều kiện dừng: Khi cây quyết định đạt đủ số nút tối đa, hoặc chia đến độ sâu tối đa định nghĩa trước. Độ sâu tối đa ở đây chính là số lượng tối đa các câu hỏi phân ngưỡng khi đi từ nút gốc tới nút lá. Chúng ta khai báo độ sâu thông qua đối số max_depth.
» Tin mới nhất:
- Tạo cây vừa BST vừa cân bằng (03/05/2024)
- Sử dụng Interface thay cho Đa hình Dowcasting trong C# (22/04/2024)
- THUẬT TÓAN TÌM ĐƯỜNG ĐI NGẮN NHẤT (18/04/2024)
- Kết xuất dữ liệu lên Griview trong ASP.Net (17/04/2024)
- Tìm hàm Logic của bảng chân trị (02/04/2024)
» Các tin khác:
- Hàm có nhiều tham số trong Python (05/05/2023)
- Gửi pass qua email khi click sự kiện Quên Mật Khẩu trong Form (24/04/2023)
- BÀI 1: GIỚI THIỆU VỀ BÀI TOÁN NGƯỜI DU LỊCH VÀ THUẬT TOÁN NHÁNH CẬN (17/04/2023)
- Kết hợp tailwind vào reactjs (13/04/2023)
- MoreParameter in Python (03/04/2023)
- Ví dụ (code) về sự khác nhau giữa việc không sử dụng Đa Hình và sử dụng Đa Hình trong C# (25/03/2023)
- PHƯƠNG PHÁP QUAY LUI VÀ MỘT SỐ BÀI TẬP ÁP DỤNG (17/03/2023)
- Các hàm xử lý chuỗi trong lập trình C# (10/03/2023)
- Tạo hàm Range() với tham số mặc định trong python (06/03/2023)
- Chèn thêm 1 bản ghi vào danh sách kiểu Dictionnary<key, value> vào vị trí do người dùng nhập vào. Chèn theo kiểu convert có sử dụng Lamda Expression (dấu =>) (02/03/2023)
