Kapitelanfang Vorige Seite Nächste Seite Nächstes Kapitel
VERN Home navigation
 
Chemoinformatik
Einführung in die Chemoinformatik
Repräsentation chemischer Strukturen
Repräsentation chemischer Reaktionen
Datentypen/Datenformate
Datenbanken/Datenquellen
Struktur-Suchmethoden
Berechnung physikalischer und chemischer Daten
Descriptoren für chemische Verbindungen
Methoden zur Datenanalyse
Einführung
Maschinelles Lernen
Lernverfahren
Entscheidungsbäume
Chemometrie
Multivariate Statistikmethoden
Korrelation
MLRA
PCA
PCR
PLS
MDS
Neuronale Netze
Fuzzy Logic
Genetische Algarithmen
Data Mining-Methoden in der Chemie
Weitere Data Mining-Methoden
Literatur
Anwendungen
Struktur-Eigenschafts-Beziehung
Strukturaufklärung
Synthesplanung

Startseite

Entscheidungsbäume

Entscheidungsbäume (decision trees) setzen eine maschinelle Lerntechnik ein, welche die Prozedur für eine Klassifikation grafischen darstellen. Ein Entscheidungsbaum ist aus Beispielen aufgebaut, wodurch er zur Klassifikation neuer Beispiele genutzt werden kann. Das Beispiel wird dann durch Sortieren von der Wurzel aus bis zum Endknoten klassifiziert. Je nachdem wie das Attribut jedes Knotens ist, wird ein Zweig eingeschlagen.

Beispiel:

Ein Beispiel eines Entscheidungsbaums ist ein strahlender Stern, der im Spektrum wenige Linien enthält, wobei keine He-Linie aber eine schwache Calcium Linie (K-Linie) sichtbar ist, wird somit als Spektraltyp A klassifiziert.

Entscheidungsbaum zur Klassifikation von Spektren strahlender Sterne

Entscheidungsbaum zur Klassifikation von Spektren strahlender Sterne


© Prof. Dr. J. Gasteiger, Dr. Th. Engel, CCC Univ. Erlangen, Thu Apr 15 06:31:57 2004 GMT
navigation BMBF-Leitprojekt Vernetztes Studium - Chemie