Nội dung của tài liệu trình bày một số bài tập như: tải dữ liệu vào bộ nhớ; hiển thị mô hình dưới dạng cây nhị phân nhị biến; duyệt cấu trúc cây nhị phân nhị biến; cài đặt hệ thống nhận dạng dưới cấu trúc cây nhị phân nhị biến. Mời các bạn cùng tham khảo tài liệu để có thêm tư liệu phục vụ quá trình ôn luyện, chuẩn bị chu đáo cho các kì thi sắp đến.
Trang 1PH N I: Cài Đặc Hệ Th ng Nhận Dạng Dưới C u Trúc Cây Nhị Phân Nhị Bi n Ầ ố ấ ế Bước 1: T i dữ liệu vào bộ nhớ (0.5đ) ả
load fisheriris
dữ liệu thông tin g m chi u rộng và chi u dài con cá, còn label là dữ ồ ề ề liệu nhãn (1đ)
data = meas(:,1:2);
label = categorical(species);
4.5 dưới dạng cây nhị phân nhị bi n đ tạo ra mô hình model (1đ) ế ể
model = fitctree(data, label);
Hàm cài đặc gi i thuật CART 4.5 (1đ) ả
gscatter(data(:,1),data(:,2),species,'rgb','osd'); Là hàm máy học dành cho s p x pắ ế
gscatter(xx1(:),xx2(:), predictedspecies,'rgb'); Là hàm máy học dành cho
h i quyồ
ca_thu = [23 35];
Bước 5: Đưa dữ liệu th ca_thu vào trong mô hình đ tr ra k t qu dự ử ể ả ế ả đoán result (1đ)
result = predict(model, ca_thu);
Bước 6: Hi n thị mô hình dưới dạng cây nhị phân nhị bi n (1đ) ể ế
view(model, 'Mode','graph');
Ph n II: Duyệt c u trúc cây nhị phân nhị bi n ầ ấ ế Câu 1: Gi s m t điện bạn ph i phân biệt các thu được bằng tay Gi s ả ử ấ ả ả ử con các mua được có kích thước 40 và 50
l n lược là chi u rộng và chi u dài Hãy duyệt bằng tay sơ đ và ghi lại ầ ề ề ồ
qu trình xác nhận con các đó thuộc loại nào (1đ)
Bài làm Theo đề bài ta có:
x1 = 40
Trang 2x2 = 50
T i nút g c ta th y i u ki n ạ ố ấ đ ề ệ x1 < 5.45 và x1 >= 5.45 => Ta duy t nhánh ph i c a nút ang xét (vì ệ ả ủ đ
x1 = 40)
T i nhánh ang xét ta th y i u ki n ạ đ ấ đ ề ệ x1 < 6.15 và x1 >= 6.15 => Ta duy t nhánh ph i c a nút ang ệ ả ủ đ
xet (vì x1 = 40)
T i nhánh ang xét ta th y i u ki n ạ đ ấ đ ề ệ x1 < 7.05 và x1 >= 7.05 => Ta duy t nhánh ph i c a nút ang ệ ả ủ đ
xet (vì x1 = 40)
K t qu cu i cùng là ế ả ố Virginica
Câu 2: Ki m tra gi ng cá ó thông qua cài ể ố đ đặ c trên máy tính sau khi h th ng có i n tr l i ệ ố đ ệ ở ạ (1 ) đ
%Kh i tạo cá mua ngoài chợở
ca_mua_ngoai_cho = [40 50];
%Đưa cá mua ngoài chợ vào mô hình đ tr k t qu dự đoánể ả ế ả
ketqua = predict(model, ca_mua_ngoai_cho);
%Hi n thị k t quể ế ả
disp(ketqua);
virginica
Câu 3: B ng cách duy t s ằ ệ ơ đồ , d oán kích th ự đ ướ c c a nhóm con cá Setosa? Ghi rõ s ủ ơ đồ duy t c y ệ ấ để có h i u ki n, ghi rõ i u ki n c a nhóm cá Setosa (1 ) ệ đ ề ệ đ ề ệ ủ đ
Bài làm
i u ki n duy t c nhóm cá
Đ ề ệ để ệ đượ Setosa là:
1 x1 < 5.45 & x2 >= 2.8 => Setosa
2 x1 >= 5.45 & x1 < 6.15 & x2 >= 3.45 => Setosa
Câu 4: B ng cách duy t s ằ ệ ơ đồ ự đ , d oán kích th ướ c c a nhóm con cá Versicolor? Ghi rõ s ủ ơ duy t c y có h i u ki n, ghi rõ i u ki n c a nhóm cá Versicolor (1 )
Bài làm
i u ki n duy t c nhóm cá
Đ ề ệ để ệ đượ Versicolor là:
1 x1 < 5.45 & x2 < 2.8 => Versicolor
2 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 < 5.75 => Versicolor
3 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 < 3.1 & x2 < 2.95 => Versicolor
4 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 >= 3.1 => Versicolor
5 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 < 2.4 => Versicolor
Trang 36 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15
& x1 < 6.55 & x2 < 2.95 & x1 < 6.45 & x2 >= 2.85 => Versicolor
7 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15
& x1 >= 6.55 & x1 < 6.65 => Versicolor
8 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15
& x1 >= 6.55 & x1 >= 6.65 & x2 >= 2.65 & x2 < 2.9 => Versicolor
9 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 >= 6.95 => Versicolor