Discretize
Fail
Regular expression
حال برای تعیین تابع هدف در عملگر درخت تصمیم از 3 روش نسبت بهره اطلاعاتی، آنتروپی، پراکندگی جمعیت (جینی) استفاده میکنیم. برای تغییر متغیر تابع هدف پارامتر معیار را تغییر خواهیم داد. حال میتوان خروجیها را وصل نمود و نتیجه را تا به اینجای کار مشاهده کرد. نتیجه این عملیات سه مدل تصمیمگیری از درخت تصمیم میباشد که درخت حاصل از دادههای آموزشی با تابع هدف نسبت بهره اطلاعاتی در شکل (4-9)، درخت حاصل از دادههای آموزشی با تابع هدف آنتروپی در شکل (4-10)، درخت حاصل از دادههای آموزشی با تابع هدف پراکندگی جمعیت(جینی) در شکل (4-11) نشان داده شده است.
شکل(4-9): درخت حاصل از دادههای آموزشی با تابع هدف نسبت بهره اطلاعاتی
شکل(4-10): درخت حاصل از دادههای آموزشی با تابع هدف آنتروپی
شکل (4-11): درخت حاصل از دادههای آموزشی با تابع هدف پراکندگی جمعیت(جینی)
3-6-4-3 اعمال مدل درخت تصمیم و تست و ارزیابی کار
در این مرحله مدلها و الگوهای بدست آمده در هر درخت تصمیم را با عملگر Apply model بر روی دادههای تست اعمال میکنیم. با این عمل میتوان توسط الگوهای بدست آمده به پیشبینی دادههای تست پرداخت. عملگر Apply model و انبار داده تست را به صفحه پردازش اضافه میکنیم. آدرس عملگر Apply model در شکل (4-12) نشان داده شده است.
شکل(4-12): آدرس عملگر Apply model
بعد از افزودن عملگر Apply model اتصالات تب پردازش بایستی بصورت نشان داده شده در شکل(4-13) باشد.
شکل(4-13): اتصالات تب پردازش در مرحله اعمال مدل
بعد از اجرا و اعمال درختهای تصمیم بر روی دادههای تست خروجی حاصل از 400 رکورد کنتور خراب و 200 رکورد کنتور سالم موجود در این دادهها، پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف نسبت بهره اطلاعاتی در نمودار (4-1)، پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف آنتروپی در نمودار(4-2)، پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف پراکندگی جمعیت(جینی) در نمودار (4-3) نشان داده شده است.
نمودار (4-1): پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف نسبت بهره اطلاعاتی
نمودار(4-2): پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف آنتروپی
نمودار(4-3): پیشبینی حاصل از الگوهای درخت تصمیم با تابع هدف پراکندگی جمعیت(جینی)
نتایج بدست آمده در جدول (4-3) نشان داده شده است. در این نتایج میزان دقت هر کدام از مدلها را در پیشبینی کنتورهای خراب میتوان مشاهده کرد.
جدول (4-3): نتایج حاصل از ارزیابی نتایج درختهای تصمیم ایجاد شده
تابع هدف
تشخیص درست
نسبت بهره اطلاعاتی
84.68 %