Version imprimable
Bonjour,
s'il vous plaît, j'ai un petit probleme avec l'algorithme C4.5
dans cette exemple à partie la page 10 http://cis.poly.edu/~mleung/FRE7851/...isionTrees.pdf
j'ai pas compris comment calcule le Gain pour l'attribut x2
on a l'ensemble {65,70,75,78,80,85,90,95,96}
j'ai pas compris pourquoi il a supprimé le nombre 96 et pour quoi il choisit le nombre 80 comme valeur de seuil.
Merci d'avance pour vos réponses.
Pour la question 1:
le seuil est défini tel que v0 .. vt-1 <= seuil < vt .. vn. C'est pour cela que:
v0 (65) est conservé parmi les seuils car il y a bien un partage tel que: v0 <= 65 < v1 ... vn où aucun des deux ensembles n'est vide
vn (96) est écarté des seuils possibles car pour v0 ... vn <= 96 < {} le sous-ensemble supérieur à 96 est vide et donc ne constitue pas un choix intéressant.
Pour la question 2:
Pour le seuil de 80, il "se trouve que c'est le bon"; l'auteur le sait car il a fait les calculs présentés quelques diapos avant pour déterminer le gain maximal de chacun des seuils possibles. En effet, "there are n−1 possible splits on Y, all of which should be used to compute the potential information gain to determine an optimal split."