Você está na página 1de 11

Inteligência Artificial

para Jogos
Árvores de Decisão

Prof. MSc. João Ricardo Bittencourt

Update: 26 Out. 2010


joaorb@unisinos.br

GT-JEDI – Jogos Digitais


Inteligência Artificial para Jogos
Agradeço e dedico estas
aulas ao Prof. Osório UNISINOS
Árvores de Decisão
 IDT – Induction of Decision Trees

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão
 Algoritmo básico
 Selecionar o atributo que melhor discrimine os
dados em relação as classes definidas
 Algoritmo clássico:
 C4.5 proposto pelo Quinlan. Usa uma medida de
entropia (grau de mistura dos dados)
 Quinlan também propõe o ID3 (algoritmo
básico)

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão
 Algoritmos de IDT
 ID3 – Quinlan, 1986

 C4.5 – Quinlan, 1993

 ASSISTANT

 CART

 CN2

 ID5R

 ...

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão
9(+);5(-) outlook Nós=atributos
rain Arestas=valores
sunny
overcast
2(+);3(-) humid Y windy 3(+);2(-)
4(+);0(-) false
high
normal true

N Y N Y
0(+);3(-) 2(+);0(-) 3(+);0(-) 0(+);2(-)

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão
 Regras que podem ser obtidas da árvore
 IF outlook=sunny AND humid=high THEN play=no
 IF outlook=sunny AND humid=normal THEN play=yes
 IF outlook=overcast THEN play=yes
 IF outlook=rain AND windy=true THEN play=no
 IF outlook=rain AND windy=false THEN play=yes
 As regras foram inferidas a partir de um conjunto
de exemplos
 Estas regras podem ser modeladas em um
sistema de inferência baseado em regras, em
uma FSM,...
UNISINOS - João Ricardo Bittencourt
Árvores de Decisão
 Aprendizado rápido e fácil
 Fácil integração com outras aplicações (obtenção
das regras)
 As árvores de decisão são melhores com
informações qualitativas, simbólicas
 Informações quantitativas devem ser discretizadas
e codificadas como se fossem atributos nominais

UNISINOS - João Ricardo Bittencourt


Árvores de Decisão

UNISINOS - João Ricardo Bittencourt


Bibliografica básica
 Softwares
 C4.5 http://www.cse.unsw.edu.au/~quinlan/
 Dtree http://fuzzy.cs.uni-magdeburg.de/~borgelt/
 Weka http://www.cs.waikato.ac.nz/ml/weka/
 R http://www.r-project.org/
 ITI http://www.cs.umass.edu/~lrn/iti/
 AQ Family http://www.mli.gmu.edu/msoftware.html
 See5 http://www.rulequest.com/
 CART http://www.salford-systems.com/
 Clementine http://www.spss.com/clementine/

UNISINOS - João Ricardo Bittencourt


Bibliografica básica
 Machine Learning. Tom Mitchell, 1998.
 Sistemas Inteligentes. Solange Rezende, 2003.
 Redes Neurais. Simon Haykin, 2001.
 C4.5: Programs for machine learning. Ross
Quinlan, 1993
 Raciocínio Baseado em Casos. Von Wangenheim,
2003.

UNISINOS - João Ricardo Bittencourt