Karar ağacı oluşturulurken hangi bilgilendiricilik kriterleri kullanılır?
sobes.tech yapay zeka
AI'dan gelen yanıt
Karar ağacı oluşturulurken, bilgilendirme kriterleri her düğümde veriyi bölmek için en iyi özelliği seçmeye yardımcı olur. Temel kriterler:
-
Bilgi Entropisi ve Bilgi Kazancı (Information Gain): bölme sonrası belirsizliği azaltmayı ölçer. Bilgi kazancı ne kadar yüksekse, özellik veriyi o kadar iyi ayırır.
-
Gini Kapsamı (Gini Impurity): rastgele seçilen bir nesnenin yanlış sınıflandırılma olasılığını değerlendirir. Değer ne kadar düşükse, ayırım o kadar iyidir.
-
Bilgi Kazancı Oranı (Gain Ratio): bilgi kazancının bir modifikasyonu olup, çok sayıda değere sahip özelliklere karşı önyargıyı önlemek için dalların sayısını dikkate alır.
-
Hata Kriteri (Misclassification Error): bölme sonrası yanlış sınıflandırılan nesnelerin oranı.
Kriter seçimi, görev ve algoritmaya bağlıdır (örneğin, ID3 bilgi entropisini kullanır, CART Gini kriterini kullanır).