Inferring rudimentary rules
-
높은 정확도
-
single attribute 를 test 해봐야 한다.
-
각 attribure들에 대해서 속성들의 value들을 다 검사해줘야 한다.
weather domain(nominal)을 예를 들어 보자.
</br>
- outlook = sunny
outlook = sunny일 때 recommendation 은
yes = 2
no = 3 이다.
여기서 다수의 recommendation으로 결정한다. (같을때는 무엇을 택해도 같다.)
if outlook = sunny, then play = no
erros = 2/5
value들을 다 검사해줘야 하기 때문에, 3개의 value(sunny, overcast, rainy)를 다 검사해보자.
- outlook = overcast
yes = 4
no = 0
if outlook = overcast then play = yes
eroos = 0/4
- outlook rainy
yes = 3
no = 2
if outlook = rainy, then play = yes
erros = 2/5
outlook의 총 error rate = 4/14
각 attribute 중에 가장 에러가 작은 것을 골라야 한다.
Temperature, Humidity, Windy 를 고려해야 한다는 뜻이다. 각자 계산해보자 ㅎ
weather domain(numeric)
.PNG)
</br>
numeric은 continuous 하기 때문에 어느 특정값에 대해 정하기 어렵다.
sort를 하자.
ex) 14개의 instance에서 3개의 class가 생기면 다수로 하자!
- hummidity
85, 90, 86, 96, 80, 70, 65, 95, 70, 80, 70, 90, 75, 91 n n y y y n y n y y y y y n
sort -> 65, 70, 70, 70, 75, 80, 80, 85, 86, 90, 90, 91, 95, 96 y y y n y y y n y y n n n y
(같은 70의 값이라면, 어느 값을 넣어도 상관없다.)
65, 70, 70, 70 (3개의 y 1개의 n) y y y n
하지만 인접한 수치를 봤을 때, 같은 class라면 구간을 넓힐 수 있다.
65, 70, 70, 70 (3개의 y 1개의 n) y y y n
-> 65, 70, 70, 70, 75, 80, 80 y y y n y y y
구간을 정했다!
80과 85의 중간값 82.5
if 65<= hummidity < 82.5, then play = yes
erros = 1/7
이 과정을 끝날때까지 반복.
break point = 같은 값을 가지다가 달라지면
반복 하면, 마지막에 총 error rate = 3/14
여기까지 offline one rule
가장 error rate 가 작은 hummidity가 offline one rule
