c45 sample case

7
Decission Tree C45 [email protected]

Upload: putu-sundika

Post on 25-Jun-2015

1.215 views

Category:

Education


4 download

DESCRIPTION

contoh penyelesaian soal sederhana untuk menunjukkan bagaimana classifier decission tree bisa mengklasifikasikan kondisi.

TRANSCRIPT

Page 1: C45 sample case

Decission Tree [email protected]

Page 2: C45 sample case

DATA SET :

CUACA JARAK PEMAKAIAN PELANGGANDATANG

berawan dekat normal ya yes

berawan jauh normal tidak no

berawan jauh tinggi tidak no

berawan sedang tinggi ya yes

cerah dekat normal tidak yes

cerah jauh tinggi tidak no

cerah jauh tinggi ya yes

cerah sedang normal ya yes

cerah sedang tinggi tidak no

hujan dekat normal tidak no

hujan dekat normal ya yes

hujan sedang normal tidak no

hujan sedang tinggi ya yes

hujan sedang tinggi tidak yes

Page 3: C45 sample case

E=Entropy, G=Gain Informasi

1 I(yes,no)

CUACA DATANG Jumlah I(8,6) 0.461346 0.523882 0.985228

berawan no 2 I(2,2) 0.5 0.5 1

yes 2 I(3,2) 0.442179 0.528771 0

cerah no 2 I(3,2) 0.442179 0.528771 0.970951

yes 3 E(Cuaca) 0.632482

hujan no 2 G(Cuaca) 0.352746

yes 3

14

JARAK DATANG Jumlah I(9,5) 0.461346 0.523882 0.985228

jauh no 3 I(2,2) 0.5 0.311278 0.811278

yes 1 I(4,2) 0.311278 0.5 0.811278

dekat no 1 I(3,1) 0.389975 0.528321 0.918296

yes 3 E(JARAK) 0.857143

sedang no 2 G(JARAK) 0.128085

yes 4

14

PEMAKAIAN PLAY Jumlah I(9,5) 0.461346 0.523882 0.985228

normal no 3 I(3,4) 0.461346 0.523882 0.985228

yes 4 I(6,1) 0.461346 0.523882 0.985228

tinggi no 3 E(PAKAI) 0.985228

yes 4 G(PAKAI) 0

14

PELANGGAN PLAY Jumlah I(9,5) 0.461346 0.523882 0.985228

ya no 0 I(3,4) 0 #NUM! 0

yes 6 I(6,1) 0.5 0.311278 0.811278

tidak no 6 E(WIND) 0.463587

yes 2 G(WIND) 0.521641

14

2 PELANGGAN = TIDAK

CUACA DATANG Jumlah I(8,6) 0.5 0.311278 0.811278

berawan no 2 I(2,2) #NUM! 0 0

yes 0 I(3,2) 0.528321 0.389975 0.918296

cerah no 2 I(3,2) 0.528321 0.389975 0.918296

yes 1 E(Cuaca) 0.688722

hujan no 2 G(Cuaca) 0.122556

yes 1

8

JARAK DATANG Jumlah I(9,5) 0.5 0.311278 0.811278

jauh no 3 I(2,2) #NUM! 0 0

Page 4: C45 sample case

yes 0 I(4,2) 0.5 0.5 1

dekat no 1 I(3,1) 0.528321 0.389975 0.918296

yes 1 E(JARAK) 0.594361

sedang no 2 G(JARAK) 0.216917

yes 1

8

PEMAKAIAN PLAY Jumlah I(9,5) 0.5 0.311278 0.811278

normal no 3 I(3,1) 0.5 0.311278 0.811278

yes 1 I(1,3) 0.5 0.311278 0.811278

tinggi no 3 E(PAKAI) 0.811278

yes 1 G(PAKAI) 0

8

2.1 JARAK = dekat

CUACA DATANG Jumlah I(8,6) 0.5 0.5 1

berawan no 0 I(2,2) #DIV/0! #DIV/0! 0

yes 0 I(3,2) 0 #NUM! 0

cerah no 0 I(3,2) #NUM! 0 0

yes 1 E(Cuaca) 0

hujan no 1 G(Cuaca) 1

yes 0

2

PEMAKAIAN PLAY Jumlah I(9,5) 0.5 0.5 1

normal no 1 I(3,1) 0.5 0.5 1

yes 1 I(1,3) #DIV/0! #DIV/0! 0

tinggi no 0 E(PAKAI) 1

yes 0 G(PAKAI) 0

2

2.2 JARAK =sedang

CUACA DATANG Jumlah I(8,6) 0.528321 0.389975 0.918296

berawan no 0 I(2,2) #DIV/0! #DIV/0! 0

yes 0 I(3,2) #NUM! 0 0

cerah no 1 I(3,2) 0.5 0.5 0

yes 0 E(Cuaca) 0

hujan no 1 G(Cuaca) 0.918296

yes 1

3

PEMAKAIAN PLAY Jumlah I(9,5) 0.528321 0.389975 0.918296

normal no 1 I(3,1) #NUM! 0 0

yes 0 I(1,3) 0.5 0.5 0

tinggi no 1 E(PAKAI) 0

yes 1 G(PAKAI) 0.918296

3

Page 5: C45 sample case

2.2.1 CUACA = Hujan

PEMAKAIAN PLAY Jumlah I(9,5) #NUM! 0 0

normal no 1 I(3,1) #NUM! 0 0

yes 0 I(1,3) #NUM! 0 0

tinggi no 1 E(PAKAI) 0

yes 0 G(PAKAI) 0

2

Page 6: C45 sample case

Cara Membuat Model Tree dan Bagaimana Menemukan Klas

berikut adalah cara membuat model tree dan bagaimana mesin dapat menemukan klasnya

1 Menghitung Informasi (I) untuk seluruh sample tiap class

dengan pi adalah probabilitas sample kelas Ci :

2 Mencari Entrophy masing-masing Atribut

3 Mencari besar Gain Informasi masing-masing atribut

4 Memilih Gain Informasi yang terbesar untuk digunakan sebagai root

pada model tree yang akan dibuat

5 Setiap kali attribut terpilih, maka dihitung lagi dengan hanya menggunakan

Data Set untuk atribut itu saja

6 Tree tidak bercabang lagi saat nilai I = 0, dianggap sudah menemukan klasnya

Page 7: C45 sample case

RULE :

1 IF Pelanggan THEN Come=Yes

2 IF Bukan Pelanggan ^ Jarak Jauh THEN Come=No

3 IF Bukan Pelanggan ^ Jarak Dekat ^ Cerah THEN Come=Yes

4 IF Bukan Pelanggan ^ Jarak Dekat ^ Hujan THEN Come=No

5 IF Bukan Pelanggan ^ Jarak Dekat ^ Berawan THEN Come=Yes/No ?

6 IF Bukan Pelanggan ^ Jarak Sedang ^ Cerah THEN Come=Yes

7 IF Bukan Pelanggan ^ Jarak Sedang ^ Hujan ^ pemakaian tinggi THEN Come=Yes

8 IF Bukan Pelanggan ^ Jarak Sedang ^ Hujan ^ pemakaian normal THEN Come=No

9 IF Bukan Pelanggan ^ Jarak Sedang ^ Berawan THEN Come=Yes/No ?