تحليل شجرة القرار ومؤشر جيني - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

تُستخدم دالة ()plot_tree لرسم وعرض شجرة القرار. ولعدم توفر مساحة كافية للعرض سيتم تمثيل المستويين الأولين فقط، بالإضافة إلى الجذر. يمكن ضبط هذا الرقم بسهولة باستخدام المتغير max_depth. # plot the tree plot_tree(my_tree, max_depth=2, fontsize=10 عمق شجرة القرار. كل عقدة في الشجرة تمثل مجموعة فرعية من المرضى، فعلى سبيل المثال، تمثل عقدة الجذر إجمالي عدد 1,400 مريض في مجموعة بيانات التدريب، من بينهم: 354، و 345، و 358، و 343 شُخصوا بـ Allergies (الحساسية)، Common cold (نزلات البرد)، و Covid-19 (كوفيد-19)، و Flu (الإنفلونزا)، على التوالي. بُنيت الشجرة باستخدام نمط من الأعلى إلى الأسفل عبر التفرع الثنائي (Binary Splits). يستند التفرع الأول إلى ما إذا كان المريض يعاني من الحمى أم لا. ونظراً لأن كل خصائص الأعراض ثنائية، يكون التحقق 0.5 >= a صحيحاً إذا لم يكن المريض يعاني من الأعراض. أما المرضى الذين لا يعانون من الحمى (المسار الأيسر) يتفرعون مرة أخرى بناءً على ما إذا كانوا يعانون من التهاب الحلق أم لا. المرضى الذين لا يعانون من التهاب الحلق يتفرعون بناءً على ما إذا كانوا يعانون من رشح الأنف أم لا. في هذه المرحلة، تحتوي العقدة على 526 حالة. تم تشخيص 354، و 101، و 58، و 13 من بينهم بالحساسية، ونزلات البرد، وكوفيد-19، والإنفلونزا، على التوالي. --- SECTION: مؤشر جيني (Gini Index) --- يقيس مؤشر جيني (Gini Index) الشوائب بالعقدة، وبالتحديد احتمالية تصنيف محتويات العقدة بصورة خاطئة. يشير انخفاض معامل جيني إلى ارتفاع درجة تأكد الخوارزمية من التصنيف. يستمر التفرع حتى تُحدد الخوارزمية الحالات التي انقسمت بالفعل إلى عقد نقية تماماً. العقدة النقية بالكامل تحتوي على الحالات التي لها تشخيص نفسه. قيم مؤشر gini (جيني) المحددة على كل عقدة، تمثل مؤشرات على مقياس جيني، وهي صيغة شهيرة تُستخدم لتقييم درجة نقاء العقدة. 102 وزارة التعليم Ministry of Education 2023 - 1447 --- VISUAL CONTEXT --- **DIAGRAM**: شجرة القرار Description: A decision tree diagram illustrating the classification of patients based on symptoms like fever, sore throat, runny nose, tiredness, sneezing, and headache. Each node shows the splitting condition, Gini impurity, number of samples, and the distribution of diagnoses (Allergies, Common cold, Covid-19, Flu). The tree is displayed up to a maximum depth of 2 from the root. Data: The diagram shows a root node splitting into two child nodes, and each of those splitting into two further child nodes, representing a depth of 2. Each node contains a condition (e.g., fever <= 0.5), a Gini impurity value, the number of samples, and an array representing the count of each diagnosis type (Allergies, Common cold, Covid-19, Flu) for the samples in that node. Key Values: [object Object], [object Object], [object Object], [object Object], [object Object], [object Object], [object Object] Context: This diagram visually represents the decision-making process of a classification algorithm, showing how patient data is split based on symptoms to predict a diagnosis. It demonstrates the concept of binary splits and Gini impurity in decision trees, where lower Gini values indicate higher purity of the node's samples regarding their diagnosis.