- چکیده   

مقدمه

1-1- اهداف اصلي درخت‌هاي تصميم‌گيري دسته‌بندي كننده 

1-2- جذابیت درختان تصمیم  

1-3- انواع درختان تصمیم

1-3-1- درختان رگراسیون 

2- بازنمایی درخت تصمیم  

2-1- توسعهء درختان تصمیم با گراف های تصمیم 

3- مسائل مناسب برای یادگیری درخت تصمیم  

4- چه صفتی بهترین طبقه بندی کننده است؟

4-1-1- بی نظمی همگونی مثال ها را اندازه گیری می کند.

4-1-2- نفع اطلاعات، کاهش مورد انتظار در بی نظمی را اندازه گیری می کند.

4-2- یک مثال تشریحی

4-3- حالت خاصی از ساخت درخت تصمیم

5- جستجوی فضای فرضیه در یادگیری درخت تصمیم

5-1- قابلیت ها و محدودیت های الگوریتم ID3

6- بایاس قیاسی (استنتاجی) در یادگیری درخت تصمیم 

6-1- بایاس های محدودیت و بایاس های ارجحیت   

6-2- چرا فرضیات کوتاهتر را ترجیح می دهیم؟ 

7- مسائل در یادگیری درخت تصمیم 

7-1- اورفیتینگ داده ها  

7-2- روشهای موجود برای ممانعت از اورفیتینگ

7-2-1- انواع روش های هرس کردن

7-2-1-1- تست chi-Square  

7-2-2- هرس خطای کاهش یافته 

7-2-3- هرس بعدی قانون  

7-3- بکاربردن صفات با مقادیر پیوسته 

7-4- معیارهای دیگر برای انتخاب صفات 

7-5- بکاربردن مثال های آموزشی با صفات فاقد مقدار

7-6- بکاربردن صفات با هزینه های متفاوت  

8- عام سازی درخت

8-1- طراحی یک دسته بندی کنندهء درخت تصمیم  

8-2- روش‌هاي اصلی برای طراحی دسته بندی کنندهء درخت تصميم

9- انواع يادگيري در درخت تصميم گيري

10- مزایا و معایب درخت تصمیم 

10-1- مزایای درختان تصمیم نسبت به روش های دیگر داده کاوی 

10-2- معايب درختان تصمیم

11- نرم افزارهای مفید برای درخت تصمیم    

12- الگوریتم یادگیری درخت تصمیم پایه

13- جمع بندی      

14- لغت نامه 

15- مراجع