SlideShare uma empresa Scribd logo
Árvore de Decisão
IA - INTELIGÊNCIA ARTIFICIAL
Professor:
Cloves Rocha
PhD Student in Computer Science
MSc. in Computer Science
Agenda
⚫ Introdução
⚫ O que é?
⚫ Elementos
⚫ Características
⚫ Vantagens e Desvantagens
⚫ Ganho de Informação e Entropia
⚫ Principais Algoritmos
⚫ Exemplos
⚫ Bibliografia
Professor: Cloves Rocha | Árvore de Decisão
Introdução
1959: William. A. Belson propõe uma “técnica para
combinar” amostras de população;
1984: Breiman et al, Classification and Regression
Trees (CART);
1987: J. R. Quinlan, discute técnicas para
simplificação, mantendo a precisão.
Professor: Cloves Rocha | Árvore de Decisão
O que é?
Árvores de decisão (Decision Tree) são modelos
estatísticos que utilizam um treinamento
supervisionado para a classificação e previsão de
dados.
Estes modelos utilizam a estratégia de dividir para
conquistar (Gama, 2004).
Professor: Cloves Rocha | Árvore de Decisão
Elementos
Professor: Cloves Rocha | Árvore de Decisão
Elementos
➔Cada nó representa um ponto de decisão que irá testar
um atributo;
➔Cada ramo descendente corresponde a um possível valor
do atributo;
➔Cada nó folha está associado a uma classe;
➔Cada percurso na árvore (da raiz a uma folha)
corresponde a uma regra de classificação.
Professor: Cloves Rocha | Árvore de Decisão
Características
● Permite comparar possíveis ações
com base em seus custos,
probabilidades ou benefícios;
● Adquirem conhecimento simbólico a
partir dos dados de treinamento;
● Retorna valores discretos;
● Podem ser representadas como
conjuntos de regras IF-THEN.
Professor: Cloves Rocha | Árvore de Decisão
Vantagens
● Fácil interpretação. Percebe-se a razão da decisão;
● Atributos mais relevantes aparecem mais na parte superior da árvore (Entropia e
Ganho de Informação);
● Adaptável também a problemas de regressão (Árvores de Regressão).
Professor: Cloves Rocha | Árvore de Decisão
Desvantagens
● Podem se tornar complexas (verificar condição de parada);
● Sensibilidade a pequenas perturbações no conjunto de treino (necessário de
árvore).
Ganho de informação e Entropia
● Através da análise do ganho de informação e da entropia, busca-se o nó que
pode melhor prever o resultado da classificação;
● Há maior ganho de informação através do atributo que, ao se tornar um nó,
produz subconjuntos com menor entropia.
Professor: Cloves Rocha | Árvore de Decisão
Principais Algoritmos
● Classification And Regression Trees (CART)
Desenvolvido por Breiman, é caracterizado pelo fato de construir árvores binários,
ou seja, cada nó possui exatamente duas bordas de saída.
A árvore criada é dividida através do critério de complexidade de custo.
O CART pode lidar com variáveis numéricas e categóricas e também com valores
discrepantes.
Professor: Cloves Rocha | Árvore de Decisão
Principais Algoritmos
● Iterative Dichotomiser 3 (ID3)
Desenvolvido por Ross Quinlan, a árvore é construída com base na maximização
do ganho de informações e na minimização da entropia, no qual os resultados
são usados para dividir o conjunto de objetos. Esse processo é feito de forma
recursiva até que o conjunto em uma determinada subárvore seja homogêneo
(isto é, contém objetos pertencentes à mesma categoria).
Professor: Cloves Rocha | Árvore de Decisão
Principais Algoritmos
● C4.5
Versão melhorada no ID3, no qual os novos recursos são: aceitam atributos
contínuos e discretos; lida com pontos de dados incompletos; resolve o problema
de over-fitting através da técnica de poda; e pesos diferentes podem ser
aplicados aos recursos que compõem os dados de treinamento.
Professor: Cloves Rocha | Árvore de Decisão
Principais Algoritmos
● C4.5
Versão melhorada no ID3, no qual os novos recursos são: aceitam atributos
contínuos e discretos; lida com pontos de dados incompletos; resolve o problema
de over-fitting através da técnica de poda; e pesos diferentes podem ser
aplicados aos recursos que compõem os dados de treinamento.
Professor: Cloves Rocha | Árvore de Decisão
Exemplos
➢ Diagnóstico médico
➢ Chatbot
➢ Análise de crédito
Professor: Cloves Rocha | Árvore de Decisão
Bibliografia
➔ BELSON, William. A. Matching and Prediction on the Principle of Biological
Classification. Applied Statistics, 1959;
➔ FRATELLO, Michele, TAGLIAFERRI, Roberto. Decision Trees and Random
Forests.
Reference Module in Life Sciences, 2018;
➔ GAMA, J. Functional Trees. Machine Learning, p. 219-250, 2004.
➔ QUINLAN, John Ross. Simplifying decision trees. International Journal of
Man-Machine Studies, p. 221–234, 1987;
➔ TOPÎRCEANU, Alexandru, GROSSECK, Gabriela. Decision tree learning used
for the classification of student archetypes in online courses. Procedia
Computer Science, p. 51–60, 2017.
Obrigado! Thank you!
Dúvidas?
<?php
print("ACESSO AO MATERIAL");
Professor: Cloves Rocha | Árvore de Decisão

Mais conteúdo relacionado

Mais procurados

Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostosCálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
Maths Tutoring
 
Método Promethee
Método PrometheeMétodo Promethee
SPSS – Tutorial para Iniciantes
SPSS – Tutorial para IniciantesSPSS – Tutorial para Iniciantes
SPSS – Tutorial para Iniciantes
Rilva Lopes de Sousa Muñoz
 
Lista de exercicios algoritmos resolvida-
Lista de exercicios   algoritmos  resolvida-Lista de exercicios   algoritmos  resolvida-
Lista de exercicios algoritmos resolvida-
Mauro Pereira
 
Aula 7 análise fatorial
Aula 7  análise fatorialAula 7  análise fatorial
Aula 7 análise fatorial
Rodrigo Rodrigues
 
Distribuicao de probabilidades
Distribuicao de probabilidadesDistribuicao de probabilidades
Distribuicao de probabilidades
vagnergeovani
 
5 intervalo de confiança
5   intervalo de confiança5   intervalo de confiança
5 intervalo de confiança
Fernando Lucas
 
Aula a1 precisão, incertezas e erros em medidas
Aula a1   precisão, incertezas e erros em medidasAula a1   precisão, incertezas e erros em medidas
Aula a1 precisão, incertezas e erros em medidas
João Marcos
 
Regressão Linear I
Regressão Linear IRegressão Linear I
Regressão Linear I
Vitor Vieira Vasconcelos
 
Revisão Sistemática - Parte 2
Revisão Sistemática - Parte 2Revisão Sistemática - Parte 2
Revisão Sistemática - Parte 2
Universidade Federal do Rio Grande do Sul
 
Equações 7
Equações 7Equações 7
Equações 7
Helena Borralho
 
Prática de Regressão no SPSS
Prática de Regressão no SPSSPrática de Regressão no SPSS
Prática de Regressão no SPSS
Vitor Vieira Vasconcelos
 
Métodos e Técnicas de Análise da Informação para Planejamento
Métodos e Técnicas de Análise da Informação para PlanejamentoMétodos e Técnicas de Análise da Informação para Planejamento
Métodos e Técnicas de Análise da Informação para Planejamento
Vitor Vieira Vasconcelos
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método Guloso
Delacyr Ferreira
 
econometria
 econometria econometria
econometria
Robertta Karoline
 
Análise de correlação
Análise de correlaçãoAnálise de correlação
Análise de correlação
Economia Silva
 
Aula 2 profmat - Aplicacoes da Inducao
Aula 2   profmat - Aplicacoes da InducaoAula 2   profmat - Aplicacoes da Inducao
Aula 2 profmat - Aplicacoes da Inducao
Aline Guedes
 
Resumo acadêmico
Resumo acadêmicoResumo acadêmico
Resumo acadêmico
Lorena Vanesa Duthil
 
6 estruturas de dados heterogêneas
6  estruturas de dados heterogêneas6  estruturas de dados heterogêneas
6 estruturas de dados heterogêneas
Emília Alves Nogueira
 
Formulario estatistica descritiva univariada e bivariava 2013
Formulario estatistica descritiva univariada e bivariava  2013Formulario estatistica descritiva univariada e bivariava  2013
Formulario estatistica descritiva univariada e bivariava 2013
Pedro Casquilho
 

Mais procurados (20)

Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostosCálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
Cálculo Diferencial e Integral - Sucessões - Exercicios resolvidos e propostos
 
Método Promethee
Método PrometheeMétodo Promethee
Método Promethee
 
SPSS – Tutorial para Iniciantes
SPSS – Tutorial para IniciantesSPSS – Tutorial para Iniciantes
SPSS – Tutorial para Iniciantes
 
Lista de exercicios algoritmos resolvida-
Lista de exercicios   algoritmos  resolvida-Lista de exercicios   algoritmos  resolvida-
Lista de exercicios algoritmos resolvida-
 
Aula 7 análise fatorial
Aula 7  análise fatorialAula 7  análise fatorial
Aula 7 análise fatorial
 
Distribuicao de probabilidades
Distribuicao de probabilidadesDistribuicao de probabilidades
Distribuicao de probabilidades
 
5 intervalo de confiança
5   intervalo de confiança5   intervalo de confiança
5 intervalo de confiança
 
Aula a1 precisão, incertezas e erros em medidas
Aula a1   precisão, incertezas e erros em medidasAula a1   precisão, incertezas e erros em medidas
Aula a1 precisão, incertezas e erros em medidas
 
Regressão Linear I
Regressão Linear IRegressão Linear I
Regressão Linear I
 
Revisão Sistemática - Parte 2
Revisão Sistemática - Parte 2Revisão Sistemática - Parte 2
Revisão Sistemática - Parte 2
 
Equações 7
Equações 7Equações 7
Equações 7
 
Prática de Regressão no SPSS
Prática de Regressão no SPSSPrática de Regressão no SPSS
Prática de Regressão no SPSS
 
Métodos e Técnicas de Análise da Informação para Planejamento
Métodos e Técnicas de Análise da Informação para PlanejamentoMétodos e Técnicas de Análise da Informação para Planejamento
Métodos e Técnicas de Análise da Informação para Planejamento
 
Análise de Algoritmos - Método Guloso
Análise de Algoritmos - Método GulosoAnálise de Algoritmos - Método Guloso
Análise de Algoritmos - Método Guloso
 
econometria
 econometria econometria
econometria
 
Análise de correlação
Análise de correlaçãoAnálise de correlação
Análise de correlação
 
Aula 2 profmat - Aplicacoes da Inducao
Aula 2   profmat - Aplicacoes da InducaoAula 2   profmat - Aplicacoes da Inducao
Aula 2 profmat - Aplicacoes da Inducao
 
Resumo acadêmico
Resumo acadêmicoResumo acadêmico
Resumo acadêmico
 
6 estruturas de dados heterogêneas
6  estruturas de dados heterogêneas6  estruturas de dados heterogêneas
6 estruturas de dados heterogêneas
 
Formulario estatistica descritiva univariada e bivariava 2013
Formulario estatistica descritiva univariada e bivariava  2013Formulario estatistica descritiva univariada e bivariava  2013
Formulario estatistica descritiva univariada e bivariava 2013
 

Semelhante a Árvore de Decisão | IA

Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)
Fabrício Catae
 
Mineração de dados
Mineração de dadosMineração de dados
Mineração de dados
Angelo Furtado
 
ID3 Algorithm
ID3 AlgorithmID3 Algorithm
ID3 Algorithm
Michel Alves
 
Balanced Binary Trees
Balanced Binary TreesBalanced Binary Trees
Balanced Binary Trees
Michel Alves
 
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
Ahirton Lopes
 
160277 redes neurais artificiais
160277 redes neurais artificiais160277 redes neurais artificiais
160277 redes neurais artificiais
Coegio São Pauloda Cruz
 
Aprendizagem Automática
Aprendizagem AutomáticaAprendizagem Automática
Aprendizagem Automática
butest
 
Data mining
Data miningData mining
Data mining
Ricardo Vasconcelos
 
TDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
TDC2018FLN | Trilha Machine Learning - Explainable Machine LearningTDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
TDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
tdc-globalcode
 
Arvores de Decisão em dados de incubação de matrizes de postura
Arvores de Decisão em dados de incubação de matrizes de posturaArvores de Decisão em dados de incubação de matrizes de postura
Arvores de Decisão em dados de incubação de matrizes de postura
Rodrigo Rodrigues
 
Gilcimar apresentação
Gilcimar apresentaçãoGilcimar apresentação
Gilcimar apresentação
Fazel Mobini Kesheh
 
Analytics - Data Science - Arvores de decisao
Analytics - Data Science - Arvores de decisaoAnalytics - Data Science - Arvores de decisao
Analytics - Data Science - Arvores de decisao
Vitor Nunes
 
Mineração de Dados Educaionais
Mineração de Dados EducaionaisMineração de Dados Educaionais
Mineração de Dados Educaionais
Prof. Dr. Leandro Augusto
 
Representação do conhecimento (rc)
Representação do conhecimento (rc)Representação do conhecimento (rc)
Representação do conhecimento (rc)
iaudesc
 
Algoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicaçõesAlgoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicações
XequeMateShannon
 
Machine Learning e Artificial Intelligence para desenvolvedores .NET
Machine Learning e Artificial Intelligence para desenvolvedores .NETMachine Learning e Artificial Intelligence para desenvolvedores .NET
Machine Learning e Artificial Intelligence para desenvolvedores .NET
Renato Haddad
 
TDC2018SP | Trilha IA - Explainable Machine Learning
TDC2018SP | Trilha IA -  Explainable Machine LearningTDC2018SP | Trilha IA -  Explainable Machine Learning
TDC2018SP | Trilha IA - Explainable Machine Learning
tdc-globalcode
 
Mineração
MineraçãoMineração
Aprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de DadosAprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de Dados
Diego Negretto
 

Semelhante a Árvore de Decisão | IA (19)

Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)Introdução a Árvore de Dados Adaptativa (WTA 2011)
Introdução a Árvore de Dados Adaptativa (WTA 2011)
 
Mineração de dados
Mineração de dadosMineração de dados
Mineração de dados
 
ID3 Algorithm
ID3 AlgorithmID3 Algorithm
ID3 Algorithm
 
Balanced Binary Trees
Balanced Binary TreesBalanced Binary Trees
Balanced Binary Trees
 
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
[José Ahirton Lopes] Treinamento - Árvores de Decisão, SVM e Naive Bayes
 
160277 redes neurais artificiais
160277 redes neurais artificiais160277 redes neurais artificiais
160277 redes neurais artificiais
 
Aprendizagem Automática
Aprendizagem AutomáticaAprendizagem Automática
Aprendizagem Automática
 
Data mining
Data miningData mining
Data mining
 
TDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
TDC2018FLN | Trilha Machine Learning - Explainable Machine LearningTDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
TDC2018FLN | Trilha Machine Learning - Explainable Machine Learning
 
Arvores de Decisão em dados de incubação de matrizes de postura
Arvores de Decisão em dados de incubação de matrizes de posturaArvores de Decisão em dados de incubação de matrizes de postura
Arvores de Decisão em dados de incubação de matrizes de postura
 
Gilcimar apresentação
Gilcimar apresentaçãoGilcimar apresentação
Gilcimar apresentação
 
Analytics - Data Science - Arvores de decisao
Analytics - Data Science - Arvores de decisaoAnalytics - Data Science - Arvores de decisao
Analytics - Data Science - Arvores de decisao
 
Mineração de Dados Educaionais
Mineração de Dados EducaionaisMineração de Dados Educaionais
Mineração de Dados Educaionais
 
Representação do conhecimento (rc)
Representação do conhecimento (rc)Representação do conhecimento (rc)
Representação do conhecimento (rc)
 
Algoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicaçõesAlgoritmos genéticos: princípios e aplicações
Algoritmos genéticos: princípios e aplicações
 
Machine Learning e Artificial Intelligence para desenvolvedores .NET
Machine Learning e Artificial Intelligence para desenvolvedores .NETMachine Learning e Artificial Intelligence para desenvolvedores .NET
Machine Learning e Artificial Intelligence para desenvolvedores .NET
 
TDC2018SP | Trilha IA - Explainable Machine Learning
TDC2018SP | Trilha IA -  Explainable Machine LearningTDC2018SP | Trilha IA -  Explainable Machine Learning
TDC2018SP | Trilha IA - Explainable Machine Learning
 
Mineração
MineraçãoMineração
Mineração
 
Aprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de DadosAprendizado de Máquina para Classificação de Dados
Aprendizado de Máquina para Classificação de Dados
 

Mais de Cloves da Rocha

Mineração de Dados Um Estudo de Caso Real.pdf
Mineração de Dados Um Estudo de Caso Real.pdfMineração de Dados Um Estudo de Caso Real.pdf
Mineração de Dados Um Estudo de Caso Real.pdf
Cloves da Rocha
 
Live: Inteligência Artificial (IA) para pequenas e médias empresas
Live: Inteligência Artificial (IA) para pequenas e médias empresasLive: Inteligência Artificial (IA) para pequenas e médias empresas
Live: Inteligência Artificial (IA) para pequenas e médias empresas
Cloves da Rocha
 
Introdução a Machine Learning na Prática
Introdução a Machine Learning na PráticaIntrodução a Machine Learning na Prática
Introdução a Machine Learning na Prática
Cloves da Rocha
 
II JEDI 2019 - OUP e OPS
II JEDI 2019 - OUP e OPS II JEDI 2019 - OUP e OPS
II JEDI 2019 - OUP e OPS
Cloves da Rocha
 
Café.COM - OUP | Observatório de Projetos de Software (OPS) com ênfase em da...
Café.COM - OUP | Observatório de Projetos de Software (OPS)  com ênfase em da...Café.COM - OUP | Observatório de Projetos de Software (OPS)  com ênfase em da...
Café.COM - OUP | Observatório de Projetos de Software (OPS) com ênfase em da...
Cloves da Rocha
 
Introdução à Engenharia de Testes de Software
Introdução à Engenharia de Testes de SoftwareIntrodução à Engenharia de Testes de Software
Introdução à Engenharia de Testes de Software
Cloves da Rocha
 
Observatório de Projetos de Software com ênfase em dados abertos
Observatório de Projetos de Software com ênfase em dados abertosObservatório de Projetos de Software com ênfase em dados abertos
Observatório de Projetos de Software com ênfase em dados abertos
Cloves da Rocha
 
Gestão de Riscos em Processos de Negócios
Gestão de Riscos em Processos de NegóciosGestão de Riscos em Processos de Negócios
Gestão de Riscos em Processos de Negócios
Cloves da Rocha
 
Palestra GEOMARKETING
Palestra GEOMARKETINGPalestra GEOMARKETING
Palestra GEOMARKETING
Cloves da Rocha
 
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
Cloves da Rocha
 
Aula 04 - Estudo de Caso Atacadão
Aula 04 - Estudo de Caso AtacadãoAula 04 - Estudo de Caso Atacadão
Aula 04 - Estudo de Caso Atacadão
Cloves da Rocha
 
Café com André Menelau
Café com André MenelauCafé com André Menelau
Café com André Menelau
Cloves da Rocha
 
Engenharia de Requisitos
Engenharia de RequisitosEngenharia de Requisitos
Engenharia de Requisitos
Cloves da Rocha
 
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves RochaAPRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
Cloves da Rocha
 
Principais Certificações em TIC - ITIL
Principais Certificações em TIC - ITILPrincipais Certificações em TIC - ITIL
Principais Certificações em TIC - ITIL
Cloves da Rocha
 
Principais Certificações em TIC
Principais Certificações em TIC Principais Certificações em TIC
Principais Certificações em TIC
Cloves da Rocha
 
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
Cloves da Rocha
 
XII Café e CODE - Provocações do Mestre
XII Café e CODE - Provocações do MestreXII Café e CODE - Provocações do Mestre
XII Café e CODE - Provocações do Mestre
Cloves da Rocha
 
Padrões de Projeto de Software Orientado a Objetos
Padrões de Projeto de Software Orientado a ObjetosPadrões de Projeto de Software Orientado a Objetos
Padrões de Projeto de Software Orientado a Objetos
Cloves da Rocha
 
XI Café e CODE - Provocações do Mestre
XI Café e CODE - Provocações do MestreXI Café e CODE - Provocações do Mestre
XI Café e CODE - Provocações do Mestre
Cloves da Rocha
 

Mais de Cloves da Rocha (20)

Mineração de Dados Um Estudo de Caso Real.pdf
Mineração de Dados Um Estudo de Caso Real.pdfMineração de Dados Um Estudo de Caso Real.pdf
Mineração de Dados Um Estudo de Caso Real.pdf
 
Live: Inteligência Artificial (IA) para pequenas e médias empresas
Live: Inteligência Artificial (IA) para pequenas e médias empresasLive: Inteligência Artificial (IA) para pequenas e médias empresas
Live: Inteligência Artificial (IA) para pequenas e médias empresas
 
Introdução a Machine Learning na Prática
Introdução a Machine Learning na PráticaIntrodução a Machine Learning na Prática
Introdução a Machine Learning na Prática
 
II JEDI 2019 - OUP e OPS
II JEDI 2019 - OUP e OPS II JEDI 2019 - OUP e OPS
II JEDI 2019 - OUP e OPS
 
Café.COM - OUP | Observatório de Projetos de Software (OPS) com ênfase em da...
Café.COM - OUP | Observatório de Projetos de Software (OPS)  com ênfase em da...Café.COM - OUP | Observatório de Projetos de Software (OPS)  com ênfase em da...
Café.COM - OUP | Observatório de Projetos de Software (OPS) com ênfase em da...
 
Introdução à Engenharia de Testes de Software
Introdução à Engenharia de Testes de SoftwareIntrodução à Engenharia de Testes de Software
Introdução à Engenharia de Testes de Software
 
Observatório de Projetos de Software com ênfase em dados abertos
Observatório de Projetos de Software com ênfase em dados abertosObservatório de Projetos de Software com ênfase em dados abertos
Observatório de Projetos de Software com ênfase em dados abertos
 
Gestão de Riscos em Processos de Negócios
Gestão de Riscos em Processos de NegóciosGestão de Riscos em Processos de Negócios
Gestão de Riscos em Processos de Negócios
 
Palestra GEOMARKETING
Palestra GEOMARKETINGPalestra GEOMARKETING
Palestra GEOMARKETING
 
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
Utilização de Ferramenta Para Monitoração de Desempenho Baseada em Métodos Ág...
 
Aula 04 - Estudo de Caso Atacadão
Aula 04 - Estudo de Caso AtacadãoAula 04 - Estudo de Caso Atacadão
Aula 04 - Estudo de Caso Atacadão
 
Café com André Menelau
Café com André MenelauCafé com André Menelau
Café com André Menelau
 
Engenharia de Requisitos
Engenharia de RequisitosEngenharia de Requisitos
Engenharia de Requisitos
 
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves RochaAPRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
APRESENTAÇÃO DO PROFESSOR - By Prof. Cloves Rocha
 
Principais Certificações em TIC - ITIL
Principais Certificações em TIC - ITILPrincipais Certificações em TIC - ITIL
Principais Certificações em TIC - ITIL
 
Principais Certificações em TIC
Principais Certificações em TIC Principais Certificações em TIC
Principais Certificações em TIC
 
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
I Café ETE PORTO DIGITAL | EDUCAÇÃO PARA O SÉCULO 21
 
XII Café e CODE - Provocações do Mestre
XII Café e CODE - Provocações do MestreXII Café e CODE - Provocações do Mestre
XII Café e CODE - Provocações do Mestre
 
Padrões de Projeto de Software Orientado a Objetos
Padrões de Projeto de Software Orientado a ObjetosPadrões de Projeto de Software Orientado a Objetos
Padrões de Projeto de Software Orientado a Objetos
 
XI Café e CODE - Provocações do Mestre
XI Café e CODE - Provocações do MestreXI Café e CODE - Provocações do Mestre
XI Café e CODE - Provocações do Mestre
 

Último

Aula 1 - Ordem Mundial Aula de Geografia
Aula 1 - Ordem Mundial Aula de GeografiaAula 1 - Ordem Mundial Aula de Geografia
Aula 1 - Ordem Mundial Aula de Geografia
WELTONROBERTOFREITAS
 
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasn
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasnTabela Funções Orgânicas.pdfnsknsknksnksn nkasn
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasn
CarlosJean21
 
Pedagogia universitária em ciência e tecnologia
Pedagogia universitária em ciência e tecnologiaPedagogia universitária em ciência e tecnologia
Pedagogia universitária em ciência e tecnologia
Nertan Dias
 
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
Manuais Formação
 
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
fran0410
 
O Profeta Jeremias - A Biografia de Jeremias.pptx4
O Profeta Jeremias - A Biografia de Jeremias.pptx4O Profeta Jeremias - A Biografia de Jeremias.pptx4
O Profeta Jeremias - A Biografia de Jeremias.pptx4
DouglasMoraes54
 
Aula 02 - Introducao a Algoritmos.pptx.pdf
Aula 02 - Introducao a Algoritmos.pptx.pdfAula 02 - Introducao a Algoritmos.pptx.pdf
Aula 02 - Introducao a Algoritmos.pptx.pdf
AntonioAngeloNeves
 
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇOPALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
ARIADNEMARTINSDACRUZ
 
Vivendo a Arquitetura Salesforce - 01.pptx
Vivendo a Arquitetura Salesforce - 01.pptxVivendo a Arquitetura Salesforce - 01.pptx
Vivendo a Arquitetura Salesforce - 01.pptx
Mauricio Alexandre Silva
 
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdfMAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
GracinhaSantos6
 
Primeira fase do modernismo Mapa Mental.pdf
Primeira fase do modernismo Mapa Mental.pdfPrimeira fase do modernismo Mapa Mental.pdf
Primeira fase do modernismo Mapa Mental.pdf
Maurício Bratz
 
O século XVII e o nascimento da pedagogia.pptx
O século XVII e o nascimento da pedagogia.pptxO século XVII e o nascimento da pedagogia.pptx
O século XVII e o nascimento da pedagogia.pptx
geiseortiz1
 
Vivendo a Arquitetura Salesforce - 02.pptx
Vivendo a Arquitetura Salesforce - 02.pptxVivendo a Arquitetura Salesforce - 02.pptx
Vivendo a Arquitetura Salesforce - 02.pptx
Mauricio Alexandre Silva
 
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptxDEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
ConservoConstrues
 
2009_Apresentação-ufscar- TCC - AILTON.ppt
2009_Apresentação-ufscar- TCC - AILTON.ppt2009_Apresentação-ufscar- TCC - AILTON.ppt
2009_Apresentação-ufscar- TCC - AILTON.ppt
Ailton Barcelos
 
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdfUFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
Manuais Formação
 
Como montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdfComo montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdf
AlineOliveira625820
 
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
MarcoAurlioResende
 
Loteria - Adição, subtração, multiplicação e divisão.
Loteria - Adição,  subtração,  multiplicação e divisão.Loteria - Adição,  subtração,  multiplicação e divisão.
Loteria - Adição, subtração, multiplicação e divisão.
Mary Alvarenga
 
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
Pr Davi Passos - Estudos Bíblicos
 

Último (20)

Aula 1 - Ordem Mundial Aula de Geografia
Aula 1 - Ordem Mundial Aula de GeografiaAula 1 - Ordem Mundial Aula de Geografia
Aula 1 - Ordem Mundial Aula de Geografia
 
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasn
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasnTabela Funções Orgânicas.pdfnsknsknksnksn nkasn
Tabela Funções Orgânicas.pdfnsknsknksnksn nkasn
 
Pedagogia universitária em ciência e tecnologia
Pedagogia universitária em ciência e tecnologiaPedagogia universitária em ciência e tecnologia
Pedagogia universitária em ciência e tecnologia
 
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
UFCD_7211_Os sistemas do corpo humano_ imunitário, circulatório, respiratório...
 
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
 
O Profeta Jeremias - A Biografia de Jeremias.pptx4
O Profeta Jeremias - A Biografia de Jeremias.pptx4O Profeta Jeremias - A Biografia de Jeremias.pptx4
O Profeta Jeremias - A Biografia de Jeremias.pptx4
 
Aula 02 - Introducao a Algoritmos.pptx.pdf
Aula 02 - Introducao a Algoritmos.pptx.pdfAula 02 - Introducao a Algoritmos.pptx.pdf
Aula 02 - Introducao a Algoritmos.pptx.pdf
 
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇOPALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
 
Vivendo a Arquitetura Salesforce - 01.pptx
Vivendo a Arquitetura Salesforce - 01.pptxVivendo a Arquitetura Salesforce - 01.pptx
Vivendo a Arquitetura Salesforce - 01.pptx
 
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdfMAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
 
Primeira fase do modernismo Mapa Mental.pdf
Primeira fase do modernismo Mapa Mental.pdfPrimeira fase do modernismo Mapa Mental.pdf
Primeira fase do modernismo Mapa Mental.pdf
 
O século XVII e o nascimento da pedagogia.pptx
O século XVII e o nascimento da pedagogia.pptxO século XVII e o nascimento da pedagogia.pptx
O século XVII e o nascimento da pedagogia.pptx
 
Vivendo a Arquitetura Salesforce - 02.pptx
Vivendo a Arquitetura Salesforce - 02.pptxVivendo a Arquitetura Salesforce - 02.pptx
Vivendo a Arquitetura Salesforce - 02.pptx
 
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptxDEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
DEUS CURA TODAS AS FERIDAS ESCONDIDAS DA NOSSA.pptx
 
2009_Apresentação-ufscar- TCC - AILTON.ppt
2009_Apresentação-ufscar- TCC - AILTON.ppt2009_Apresentação-ufscar- TCC - AILTON.ppt
2009_Apresentação-ufscar- TCC - AILTON.ppt
 
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdfUFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
 
Como montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdfComo montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdf
 
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
A Formação da Moral Cristã na Infância - CESB - DIJ - DIEF - G. de PAIS - 16....
 
Loteria - Adição, subtração, multiplicação e divisão.
Loteria - Adição,  subtração,  multiplicação e divisão.Loteria - Adição,  subtração,  multiplicação e divisão.
Loteria - Adição, subtração, multiplicação e divisão.
 
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
(44-ESTUDO - LUCAS) A ESPIRITUALIDADE EM CRISE NO VALE
 

Árvore de Decisão | IA

  • 1. Árvore de Decisão IA - INTELIGÊNCIA ARTIFICIAL Professor: Cloves Rocha PhD Student in Computer Science MSc. in Computer Science
  • 2. Agenda ⚫ Introdução ⚫ O que é? ⚫ Elementos ⚫ Características ⚫ Vantagens e Desvantagens ⚫ Ganho de Informação e Entropia ⚫ Principais Algoritmos ⚫ Exemplos ⚫ Bibliografia Professor: Cloves Rocha | Árvore de Decisão
  • 3. Introdução 1959: William. A. Belson propõe uma “técnica para combinar” amostras de população; 1984: Breiman et al, Classification and Regression Trees (CART); 1987: J. R. Quinlan, discute técnicas para simplificação, mantendo a precisão. Professor: Cloves Rocha | Árvore de Decisão
  • 4. O que é? Árvores de decisão (Decision Tree) são modelos estatísticos que utilizam um treinamento supervisionado para a classificação e previsão de dados. Estes modelos utilizam a estratégia de dividir para conquistar (Gama, 2004). Professor: Cloves Rocha | Árvore de Decisão
  • 5. Elementos Professor: Cloves Rocha | Árvore de Decisão
  • 6. Elementos ➔Cada nó representa um ponto de decisão que irá testar um atributo; ➔Cada ramo descendente corresponde a um possível valor do atributo; ➔Cada nó folha está associado a uma classe; ➔Cada percurso na árvore (da raiz a uma folha) corresponde a uma regra de classificação. Professor: Cloves Rocha | Árvore de Decisão
  • 7. Características ● Permite comparar possíveis ações com base em seus custos, probabilidades ou benefícios; ● Adquirem conhecimento simbólico a partir dos dados de treinamento; ● Retorna valores discretos; ● Podem ser representadas como conjuntos de regras IF-THEN. Professor: Cloves Rocha | Árvore de Decisão
  • 8. Vantagens ● Fácil interpretação. Percebe-se a razão da decisão; ● Atributos mais relevantes aparecem mais na parte superior da árvore (Entropia e Ganho de Informação); ● Adaptável também a problemas de regressão (Árvores de Regressão). Professor: Cloves Rocha | Árvore de Decisão Desvantagens ● Podem se tornar complexas (verificar condição de parada); ● Sensibilidade a pequenas perturbações no conjunto de treino (necessário de árvore).
  • 9. Ganho de informação e Entropia ● Através da análise do ganho de informação e da entropia, busca-se o nó que pode melhor prever o resultado da classificação; ● Há maior ganho de informação através do atributo que, ao se tornar um nó, produz subconjuntos com menor entropia. Professor: Cloves Rocha | Árvore de Decisão
  • 10. Principais Algoritmos ● Classification And Regression Trees (CART) Desenvolvido por Breiman, é caracterizado pelo fato de construir árvores binários, ou seja, cada nó possui exatamente duas bordas de saída. A árvore criada é dividida através do critério de complexidade de custo. O CART pode lidar com variáveis numéricas e categóricas e também com valores discrepantes. Professor: Cloves Rocha | Árvore de Decisão
  • 11. Principais Algoritmos ● Iterative Dichotomiser 3 (ID3) Desenvolvido por Ross Quinlan, a árvore é construída com base na maximização do ganho de informações e na minimização da entropia, no qual os resultados são usados para dividir o conjunto de objetos. Esse processo é feito de forma recursiva até que o conjunto em uma determinada subárvore seja homogêneo (isto é, contém objetos pertencentes à mesma categoria). Professor: Cloves Rocha | Árvore de Decisão
  • 12. Principais Algoritmos ● C4.5 Versão melhorada no ID3, no qual os novos recursos são: aceitam atributos contínuos e discretos; lida com pontos de dados incompletos; resolve o problema de over-fitting através da técnica de poda; e pesos diferentes podem ser aplicados aos recursos que compõem os dados de treinamento. Professor: Cloves Rocha | Árvore de Decisão
  • 13. Principais Algoritmos ● C4.5 Versão melhorada no ID3, no qual os novos recursos são: aceitam atributos contínuos e discretos; lida com pontos de dados incompletos; resolve o problema de over-fitting através da técnica de poda; e pesos diferentes podem ser aplicados aos recursos que compõem os dados de treinamento. Professor: Cloves Rocha | Árvore de Decisão
  • 14. Exemplos ➢ Diagnóstico médico ➢ Chatbot ➢ Análise de crédito Professor: Cloves Rocha | Árvore de Decisão
  • 15. Bibliografia ➔ BELSON, William. A. Matching and Prediction on the Principle of Biological Classification. Applied Statistics, 1959; ➔ FRATELLO, Michele, TAGLIAFERRI, Roberto. Decision Trees and Random Forests. Reference Module in Life Sciences, 2018; ➔ GAMA, J. Functional Trees. Machine Learning, p. 219-250, 2004. ➔ QUINLAN, John Ross. Simplifying decision trees. International Journal of Man-Machine Studies, p. 221–234, 1987; ➔ TOPÎRCEANU, Alexandru, GROSSECK, Gabriela. Decision tree learning used for the classification of student archetypes in online courses. Procedia Computer Science, p. 51–60, 2017.
  • 16. Obrigado! Thank you! Dúvidas? <?php print("ACESSO AO MATERIAL"); Professor: Cloves Rocha | Árvore de Decisão