Nghiên Cứu Thuật Toán Id3 Trong Lĩnh Vực Khai Phá Dữ Liệu. Áp Dụng Thuật Toán Id3 Trong Một Số Bài Toán Về Học Máy, Đưa Ra Quyết Định. Cài Đặt Bài Toán Bằng Ngôn Ngữ Lập Trình Python

EasyChair Preprint 10452

Abstract

Khai phá dữ liệu ( data mining -DM) có thể nói là một lĩnh vực non trẻ nhưng đầy hứa hẹn của Công nghệ thông tin. Khai phá dữ liệu được hiểu như là một quá trình thống kê tính toán để tìm ra yếu tố quyết định trong các bộ dữ liệu lớn. Đây là một lĩnh vực liên quan đến thống kê, học máy, csdl,...Cây quyết định giống như các nhà chiến lược đưa ra các quyết định kịp thời và nhanh chóng dựa vào sự phân tích cây quyết định. Trong thời đại công nghiệp 4.0 ai có được thông tin và đưa ra được quyết định sớm và kịp thời thì người đó sẽ thành công. Ngày nay kỹ thuật khai phá dữ liệu bằng cây quyết định được sử dụng phổ biến trong học máy và xử lý dữ liệu lớn. Mấu chốt và ý nghĩa sâu xa trong các thuật toán xây dựng cây quyết định lại là việc tính toán "mức độ phân biệt của một thuộc tính so với thuộc tính quyết định trong dữ liệu”. Trong lý thuyết thông tin đã chỉ ra công thức để thể hiện được mối quan hệ này, đây cũng là nên tảng xây dựng nên thuật toán ID3. Trong bài viết này, tôi xin phép được đề cập lại công thức về mối liên hệ giữa entropy và mức độ phân biệt của một thuộc tính trong khai phá dữ liệu, thuật toán ID3 và cài đặt thuật toán thông qua một vài ví dụ thực tiễn.

Keyphrases: Cây quyết định, Khai phá dữ liệu, học máy, lập trình Python

@booklet{EasyChair:10452,
  author    = {Tran Thi Gia},
  title     = {ID3 Algorithm Research in Data Mining. Apply ID3 Algorithm in Some Machine Learning Problems, Making Decisions. Install Problems in Python Programming Language},
  howpublished = {EasyChair Preprint 10452},
  year      = {EasyChair, 2023}}