แผนผังการตัดสินใจ: ทดสอบความเข้าใจ

หน้านี้จะท้าให้คุณตอบชุดแบบฝึกหัดหลายตัวเลือกเกี่ยวกับเนื้อหาที่พูดคุยกันใน "Training Decision Trees"

คำถามข้อที่ 1

การเปลี่ยนฟีเจอร์ตัวเลขด้วยค่าลบ (เช่น การเปลี่ยนค่า +8 เป็น -8) ด้วยตัวคั่นตัวเลขมีผลอย่างไร

ระบบจะเรียนรู้เงื่อนไขเดียวกัน ระบบจะสลับเฉพาะเด็กที่คิดบวก/เชิงลบ

เยี่ยมเลย

ระบบจะเรียนรู้เงื่อนไขที่ต่างกัน แต่โครงสร้างโดยรวมของแผนผังการตัดสินใจจะยังคงเหมือนเดิม

หากมีการเปลี่ยนแปลงฟีเจอร์ เงื่อนไขจะเปลี่ยนแปลง

โครงสร้างแผนผังการตัดสินใจจะแตกต่างออกไปโดยสิ้นเชิง

โครงสร้างแผนผังการตัดสินใจจะค่อนข้างเหมือนกันทุกประการ แต่จะมีการเปลี่ยนแปลงเงื่อนไข

คำถามข้อที่ 2

ข้อใดคือคําตอบที่อธิบายผลลัพธ์ของการทดสอบเพียงครึ่งหนึ่งของ (ตัวเลือกที่เลือกไว้แบบสุ่ม) ของค่าเกณฑ์ของผู้สมัครใน X

การได้ข้อมูลจะสูงกว่าหรือเท่ากัน

การได้ข้อมูลจะต่ําลงหรือเท่ากัน

ทำได้ดีมาก

โครงสร้างการตัดสินใจขั้นสุดท้ายจะมีความแม่นยําน้อยลงในการทดสอบ

แผนผังการตัดสินใจขั้นสุดท้ายจะไม่ทําให้การฝึกอบรมมีความแม่นยํามากขึ้น

ทำได้ดีมาก

คำถามที่ 3

จะเกิดอะไรขึ้นถ้าเส้นโค้ง "ข้อมูลเพิ่ม" จาก "เกณฑ์" มี maxima ในหลายพื้นที่

การมีโดเมนสูงสุดในเครื่องจํานวนมากเป็นไปไม่ได้เลย

อาจมีการรวมขีดจํากัดสูงสุดหลายรายการไว้ในเครื่อง

อัลกอริทึมจะเลือก maxima ในเครื่องด้วยค่าเกณฑ์ที่เล็กที่สุด

โดยอัลกอริทึมจะเลือกราคาเสนอที่สูงที่สุดทั่วโลก

ทำได้ดีมาก

คำถามที่ 4

คํานวณค่าต่างของข้อมูลที่ได้จากการแบ่งฝั่งต่อไปนี้

โหนด	จํานวนตัวอย่างเชิงบวก	จํานวนตัวอย่างเชิงลบ
โหนดระดับบนสุด	10	6
เด็กคนแรก	8	2
บุตรคนที่ 2	2	4

คลิกไอคอนเพื่อดูคําตอบ

# Positive label distribution
p_parent = 10 / (10+6) # = 0.625
p_child_1 = 8 / (8+2) # = 0.8
p_child_2 = 2 / (2+4) # = 0.3333333

# Entropy
h_parent = -p_parent * log(p_parent) - (1-p_parent) * log(1-p_parent) # = 0.6615632
h_child_1 = ... # = 0.5004024
h_child_2 = ... # = 0.6365142

# Ratio of example in the child 1
s = (8+2)/(10+6)
f_final = s * h_child_1 + (1-s) * h_child_2 # = 0.5514443

information_gain = h_parent - f_final # = 0.1101189

---