Методичні вказівки до лабораторної роботи №2 “Класифікація та регресія. Методи та алгоритми побудови дерев рішень” з дисципліни “Інтелектуальний аналіз даних”  Лабораторна робота №2 Мета: Оволодіти методами та алгоритмами побудови дерев рішень. Етап 1. Формулювання завдання. Насамперед необхідно відкинути всі фактори, що не стосуються проблеми, а серед безлічі тих, що залишилися, виділити суттєві і несуттєві. Це дозволить привести опис завдання щодо прийняття управлінського рішення у форму, що піддається аналізу. Повинні бути виконані такі основні процедури: визначення можливостей збору інформації для експериментування і реальних дій; складання переліку подій, що з певною імовірністю можуть відбутися; установлення часового порядку розміщення подій, у наслідках яких міститься корисна і доступна інформація, і тих послідовних дій, які можна розпочати. Оскільки нам потрібно побудувати дерево рішень яке б розв’язувало завдання для якоїсь спортивної події чи змагання, а саме відповідало на питання чи отримає учасник медаль нам потрібно створити даних, аналіз яких дозволив нам б відсіяти слабких спортсменів, і залишити учасників які б мали великі шанси на завоювання медалі у стрільбі,плаванні чи шахах. Для побудови нашого дерева рішень ми маєм 3 категорії інформації. Вид спорту. Очки. Час. Саме ці фактори (Вид, очки і час) є суттєвими для нашого рішення, і дозволять привести опис завдання щодо прийняття управлінського рішення у форму, що піддається аналізу. Побудова дерева рішень Завдання 10 Нехай потрібно побудувати дерево рішень, задача якого – відповісти на питання: «Чи буде медаль?». Щоб вирішити задачу, тобто оцінити чи буде у спортсмена медаль, необхідно віднести дану ситуацію до одного з відомих класів (в цьому випадку це два класи: «Буде медаль» та «Не буде медалі»). Для цього потрібно проаналізувати ряд даних). Таблиця 10 Вид спорту Очки Час(хв) Чи буде медаль?  Стрільба 40 2 Ні  Стрільба 100 2 Так  Плавання 20 1 Ні  Плавання 110 2 Так  Шахи 100 15 Так  Шахи 30 15 Ні   Зрозуміло, що дерево прийняття рішень буде набувати різних виглядів в залежності від послідовності обирання атрибутів на кожній ітерації алгоритму ID3. Зазвичай атрибути впорядковуються за важливістю, яку може заздалегідь визначити експерт в галузі проблеми задачі. Алгоритм ID3 – один із найважливіших методів індуктивного відновлення правил за прикладами, який забезпечує автоматичну побудову баз знань діагностичних експертних систем. Класифікація і регресія В задачі класифікації і регресії потрібно виділити значення залежної змінної об’єкту на основі значень інших змінних, які характеризують даний об’єкт. Формально задачу класифікації і регресії можна описати наступним чином. Нехай ми маємо множину об’єктів: I = {i1,i2…,ij,…,in} де іj – досліджуваний об’єкт. Прикладом таких об’єктів може бути інформація про спортсменів та отримання ними медалі.(табл. 5.1). Вид спорту Очки Час(хв) Чи буде медаль?  Стрільба 40 2 Ні  Стрільба 100 2 Так  Плавання 20 1 Ні  Плавання 110 2 Так  Шахи 100 15 Так  Шахи 30 15 Ні  Табл. 5.1. Інформація про медалі в залежності від часу та очок. Кожен об’єкт характеризується набором змінних: Іj = {x1,x2,…,xh,…,xm,y}, де xh – незалежні змінні, значення яких відомі і на основі них знаходиться значення залежної змінної y. В даному прикладі незалежні змінні являються: спостереження, температура, вологість і вітер. Залежною змінною являється гра. В Data Mining часто набір незалежних змінних позначають у вигляді вектора: X = {x1, x2, …, xh, …, xm}, (1) Кожна змінна xh може приймати значення із деякого проміжку: Ch = {ch1, ch2, …}, (2) Якщо значеннями змінної являються елементи скінченної множини, то говорять, що вона має категоріальний тип. Наприклад, змінна спостереження приймає значення на множині значень (сон...