Fontes:

http://www.devmedia.com.br/extracao-de-arvores-de-decisao-com-a-ferramenta-de-data-mining-weka/3388

http://www.devmedia.com.br/extracao-de-arvores-de-decisao-com-a-ferramenta-de-data-mining-weka/3388

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka. (sem data). Obtido 22 de

Setembro de 2015, de http://www.devmedia.com.br/extracao-de-arvores-de-decisao-com-a-

ferramenta-de-data-mining-weka/3388

(«Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka», sem data)

Brito, P. Q. (1999). O futuro da Internet: estado da arte e tendências de evolução. Centro Atlantico.

(Brito, 1999)

Pichiliani, M. C. (2008). Conversando Sobre Banco De Dados. Clube de Autores.

(Pichiliani, 2008)

Quilici-Gonzalez, J. A., & Zampirolli, F. de A. (2015). Sistemas Inteligentes e Mineração de Dados.

(Quilici-Gonzalez & Zampirolli, 2015)

Numa árvore de decisão cada atributo é representado por um nó de decisão, cuja função é testar o

valor desse atributo. Uma classe é representada por um nó folha, que reúne todos os Exemplos

que chegarem a ele depois de satisfazerem os testes dos nós de decisão intermediários. Portanto,

numa Arvore de Decisao, a classificacao de um Exemplo desconhecido implica percorrer toda a

arvore a partir de um no raiz, testando atributos em sucessivos nos internos ate chegar a um no

folha que lhe aribuira uma classe. O objectivo de uma Arvore de Decisao e retornar uma classe

para um Exemplo desconhecido.