STRUKTUR POHON KEPUTUSAN MENURUT JIAWEI HAN DAN MICHELINE KAMBER

STRUKTUR POHON KEPUTUSAN MENURUT JIAWEI HAN DAN MICHELINE KAMBER


A decision tree is a flowchart-like tree structure, where each internal node (nonleaf node) denotes a test on an attribute, each branch represents an outcome of the test, and each leaf node (or terminal node) holds a class label. The topmost node in a tree is the root node.
(Han, J., & Kamber, M. (2006). Data Mining Concept and Tehniques. San Fransisco: Morgan Kauffman.)

Kalau diterjemahkan menjadi:

Pohon keputusan itu mirip sebuah struktur pohon dimana terdapat node internal yang mendeskripsikan atribut-atribut, setiap cabang menggambarkan hasil dari atribut yang diuji, dan setiap daun (terminal node) menggambarkan kelas. Node tertinggi disebut akar.

Konsep tentang struktur pohon keputusan harus dipahami supaya tidak membingungkan dan selalu meletakkan kelas pada daun, bukan pada node internal.

Pohon keputusan dibangun untuk membuat aturan klasifikasi dari beberapa atribut yang diasosiasikan ke dua kelas atau lebih melalui perhitungan entropy dan information gain, serta perhitungan seleksi atribut lainnya.
pohon keputusan
dari gambar di atas dapat dijelaskan:
A decision tree for the concept buys computer, indicating whether a customer at AllElectronics is likely to purchase a computer. Each internal (nonleaf) node represents a test on an attribute. Each leaf node represents a class (either buys computer = yes or buys computer = no).
(Han, J., & Kamber, M. (2006). Data Mining Concept and Tehniques. San Fransisco: Morgan Kauffman.)

Kalau diterjemahkan menjadi :
Sebuah pohon keputusan dg konsep membeli komputer, mengindikasikan apakah pelanggan di AllElectronics membeli komputer atau tidak. Setiap node internal mewakili pengujian pada atribut . Setiap node daun (terminal) mewakili kelas (buys computer = yes atau buys computer = no)

Dari pohon keputusan di atas maka didapatkan aturan klasifikasi sebagai berikut :

R1: IF age = youth AND student = no THEN buys computer = no
R2: IF age = youth AND student = yes THEN buys computer = yes
R3: IF age = middle aged THEN buys computer = yes
R4: IF age = senior AND credit rating = excellent THEN buys computer = yes
R5: IF age = senior AND credit rating = fair THEN buys computer = no

semoga bermanfaat.

iklan atas artikel

Iklan Tengah Artikel 1

Iklan Tengah Artikel 2

Iklan Bawah Artikel