Decision Trees

Universidade Federal de Rio Grande ­ FURG
Centro de Ciências Computacionais­ C3
Engenharia de Computação ­ EC­17

Relatório Árvores de
Decisão

Diones Fischer ­ 48737

Janeiro, 2014

1. Introdução
As árvores de decisão, também conhecidas como árvores de regressão ou árvores de classificação, são um modelo preditivo, e uma ferramenta para a tomada de decisões. A principal vantagem das árvores de decisão é que elas são simples, podem ser montadas com poucos dados e são facilmente interpretadas.
Neste contexto, o trabalho desenvolvido visa montar uma árvore de decisão sobre um conjunto de dados do repositório UCI utilizando a ferramenta Weka, que é uma coleção de algoritmos de
Machine Learning, e então explicar como a árvore foi montada e interpretar os resultados.

2. Descrição dos Dados
O Conjunto de Dados do repositório da UCI escolhido para a elaboração da Árvore de Decisão foi o Balloons. O conjunto de dados possui 5 atributos:
● Cor: Amarelo ou Roxo
● Tamanho: Grande ou Pequeno
● Ação: Esticar ou Mergulhar
● Idade: Criança ou Adulto
● Inflado: Verdadeiro ou Falso
Logo, a árvore de decisão montada irá dizer dado as entradas de cor, tamanho, ação e idade; se o balão é inflado ou não. O conjunto escolhido possui apenas 16 entradas, e por isso mesmo foi escolhido, para demonstrar que é possível montar uma árvore de decisões com poucas entradas e com uma boa taxa de acertos.
A conjunto de dados de teste é o seguinte:
YELLOW,SMALL,STRETCH,ADULT,T
YELLOW,SMALL,STRETCH,CHILD,T
YELLOW,SMALL,DIP,ADULT,T
YELLOW,SMALL,DIP,CHILD,T
YELLOW,LARGE,STRETCH,ADULT,T
YELLOW,LARGE,STRETCH,CHILD,F
YELLOW,LARGE,DIP,ADULT,F
YELLOW,LARGE,DIP,CHILD,F
PURPLE,SMALL,STRETCH,ADULT,T
PURPLE,SMALL,STRETCH,CHILD,F
PURPLE,SMALL,DIP,ADULT,F
PURPLE,SMALL,DIP,CHILD,F
PURPLE,LARGE,STRETCH,ADULT,T
PURPLE,LARGE,STRETCH,CHILD,F
PURPLE,LARGE,DIP,ADULT,F
PURPLE,LARGE,DIP,CHILD,F

Para que fosse possível utilizar o conjunto de