Inteligência Artificial para Jogos - Árvores de Decisão

11

Click here to load reader

description

Aula 10 - Inteligência Artificial para Jogos Curso de Jogos Digitais - UNISINOS www.unisinos.br/jogos (Aula criada com apoio do Prof.Dr. Fernando Osório) Licença: Creative Commons - Atribuição-Uso não-comercial-Compartilhamento (BY-NC-SA) http://creativecommons.org/licenses/by-nc-sa/2.5/br/

Transcript of Inteligência Artificial para Jogos - Árvores de Decisão

Page 1: Inteligência Artificial para Jogos - Árvores de Decisão

Inteligência Artificial para JogosÁrvores de Decisão

GT-JEDI – Jogos DigitaisInteligência Artificial para Jogos

UNISINOS

Prof. MSc. João Ricardo Bittencourt

Update: 26 Out. [email protected]

Agradeço e dedico estasaulas ao Prof. Osório

Page 2: Inteligência Artificial para Jogos - Árvores de Decisão

UNISINOS - João Ricardo Bittencourt

Árvores de Decisão IDT – Induction of Decision Trees

Page 3: Inteligência Artificial para Jogos - Árvores de Decisão

UNISINOS - João Ricardo Bittencourt

Árvores de Decisão

Page 4: Inteligência Artificial para Jogos - 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)

Page 5: Inteligência Artificial para Jogos - Árvores de Decisão

UNISINOS - João Ricardo Bittencourt

Árvores de Decisão Algoritmos de IDT

ID3 – Quinlan, 1986 C4.5 – Quinlan, 1993 ASSISTANT CART CN2 ID5R ...

Page 6: Inteligência Artificial para Jogos - Árvores de Decisão

UNISINOS - João Ricardo Bittencourt

Árvores de Decisão

outlook

humid windyY

N Y N Y

Nós=atributosArestas=valores

sunnyovercast

rain

high normal truefalse

9(+);5(-)

2(+);3(-)4(+);0(-)

3(+);2(-)

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

Page 7: Inteligência Artificial para Jogos - Árvores de Decisão

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,...

Page 8: Inteligência Artificial para Jogos - Árvores de Decisão

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

Page 9: Inteligência Artificial para Jogos - Árvores de Decisão

UNISINOS - João Ricardo Bittencourt

Árvores de Decisão

Page 10: Inteligência Artificial para Jogos - 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/

Page 11: Inteligência Artificial para Jogos - Árvores de Decisão

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.