Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

Drzewo decyzyjne

Drzewa decyzyjne klasyfikują dane za pomocą sekwencji prostych reguł „jeśli-to", tworząc hierarchiczną strukturę podziałów. Każdy węzeł drzewa zadaje pytanie o jedną cechę danych, dzieląc przestrzeń na coraz mniejsze regiony. Ich największą zaletą jest pełna interpretowalność — w przeciwieństwie do sieci neuronowych, zawsze można wyjaśnić dlaczego model podjął daną decyzję.

Czego się nauczysz

  • Jak algorytm CART wybiera optymalne podziały
  • Czym jest kryterium Gini i jak mierzy nieczystość węzła
  • Jak głębokość drzewa wpływa na overfitting
  • Dlaczego drzewa decyzyjne są fundamentem lasów losowych

Jak korzystać z wizualizacji

Budowanie drzewa decyzyjnego CART z kryterium Gini. Wybierz wzorzec danych, ustaw maksymalną głębokość i obserwuj jak drzewo dzieli przestrzeń na regiony decyzyjne. Po prawej widać strukturę drzewa z wartościami Gini.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →