يادگيري درخت تصميم گيري

با توجه به حجم بالاي اطلاعات در بانك هاي داده و يافتن اطلاعات مفيد و مناسب در بانك هاي اطلاعاتي ضرورت وجود ابزارو روشي براي پردازش و طبقه بندي داده هاي ذخيره شده و نمايش اطلاعات مفيد وجود دارد. يادگيري درخت تصميم يكي از پركاربردترين وكارامدترين متدهاي يادگيري استقرايي براي پردازش داده ها مي باشد. اين متد يادگيري براي توابع گسسته مقادير باداده هاي خطادار به كار ميرود. درخت تصميم گيري برخلاف روش هايي مانند شبكه هاي عصبي كه چگونگي عملكرد خود راارائه نمي كنند ، پيش بيني خود را در قالب قوانيني كه از نظر پارامترهاي آماري برازش مناسبي ارايه ميكند. درختان تصميم قادر بهتوليد توصيفات قابل درك براي انسان، از روابط موجود در يك مجموعه داده اي هستند و مي توانند براي وظايف دسته بندي وپيش بيني بكار روند. هدف از اين مطالعه نشان دادن روش يادگيري درخت تصميم گيري به عنوان روشي مناسب و قوي براي دادههايي با حجم بالا و يا ناقص بوده است. روشي كه به موفقيت قابل توجه ايي در سيستم هاي تجاري دست يافته است.