Bài giảng Học máy thống kê: Cây quyết định (Decision Tree) giới thiệu một thuật toán học máy trực quan và dễ hiểu, được sử dụng rộng rãi cho cả phân loại và hồi quy. Chuyên đề này sẽ hướng dẫn cách xây dựng cây quyết định, các điều kiện dừng và cách xử lý các dạng dữ liệu khác nhau. Nắm vững cây quyết định giúp bạn tạo ra các mô hình dễ giải thích. Mời các bạn cùng tham khảo bài giảng để biết thêm chi tiết!

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Decision Tree giới thiệu về mô hình cây quyết định và các thuật toán xây dựng cây. Nội dung bao gồm các khái niệm như entropy, information gain, Gini index và các kỹ thuật tránh overfitting. Đây là mô hình trực quan và dễ hiểu, thường được sử dụng trong các bài toán phân loại. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Bài giảng "Khai thác dữ liệu: Chương 6 - Phân lớp dữ liệu" trình bày các nội dung chính sau: Tổng quan về phân lớp dữ liệu; phương pháp dựa trên cây quyết định; phương pháp dựa trên Luật; phương pháp dựa trên thể hiện;... Mời các bạn cùng tham khảo!

Bài giảng "Hệ cơ sở tri thức: Chương 4 - Hệ học" trình bày các nội dung chính sau: Giới thiệu về hệ học; hệ học với cây quyết định; hệ học với Naive Bayes. Mời các bạn cùng tham khảo!

Nhằm giúp các bạn có thêm tài liệu ôn tập, củng cố lại kiến thức đã học và rèn luyện kỹ năng làm bài tập, mời các bạn cùng tham khảo Đề thi kết thúc học phần học kì 3 môn Phương pháp định lượng năm 2021-2022 - Trường ĐH Văn Lang dưới đây. Hy vọng sẽ giúp các bạn tự tin hơn trong kỳ thi sắp tới.

Bài giảng Phương pháp tối ưu trong kinh tế - Chương 5: Lý thuyết ra quyết định" cung cấp cho người đọc các nội dung: Giới thiệu Các bước ra quyết định, phân loại tình huống ra quyết định; ra quyết định trong tình huống không chắc chắn; ra quyết định trong tình huống có rủi ro; phân tích biên tế, cây quyết định. Mời các bạn cùng tham khảo nội dung chi tiết.

Luận án Tiến sĩ Hệ thống thông tin "Nghiên cứu các phương pháp phát hiện tin nhắn rác tiếng Việt" trình bày các nội dung chính sau: Giới thiệu tổng quan về tin nhắn SMS; Nghiên cứu mức độ ảnh hưởng của độ dài tin nhắn tới hiệu quả của mô hình phát hiện tin nhắn rác tiếng Việt; Đề xuất 2 phương án tiếp cận để giải quyết bài toán phát hiện tin nhắn rác với đặc điểm đa biến thể của tiếng Việt.

Nghiên cứu này khám phá việc ứng dụng cây quyết định - một kĩ thuật của học máy, vào việc xây dựng công cụ đánh giá kế hoạch bài dạy. Đây là một cách tiếp cận để xây dựng công cụ đánh giá trong giáo dục còn mới mẻ.

Nghiên cứu này là định hướng để các nhà nghiên cứu sau này có một công cụ đánh giá hợp lý về mức độ tác động của các yếu tố ảnh hưởng đến tính mẫn cảm của nhân viên kế toán – kiểm toán đối với các cuộc tấn công thông điệp giả mạo trong bối cảnh không gian mạng Việt Nam.

Nghiên cứu này đề xuất sử dụng thuật toán FastTreeOval để xây dựng một mô hình chẩn đoán hiệu quả hơn. FastTreeOval được lựa chọn nhờ khả năng xử lý dữ liệu đa biến, tạo mô hình dễ hiểu và độ chính xác cao. Mục tiêu của nghiên cứu là đánh giá khả năng của FastTreeOval trong việc phân loại các loại lỗi DGA phổ biến và xác định các biến DGA quan trọng.

Nghiên cứu này so sánh hiệu suất của bốn mô hình học máy phổ biến: “Cây quyết định”, “Rừng ngẫu nhiên”, “Máy véctơ hỗ trợ”, và “Hồi quy logistic” trong việc đánh giá rủi ro tín dụng. Dữ liệu đã trải qua kiểm thử và phân tích cho thấy mô hình “Rừng ngẫu nhiên” vượt trội hơn so với các mô hình còn lại, với độ chính xác cao nhất là 93,22 %.

Nghiên cứu này xây dựng mô hình dự báo rủi ro vỡ nợ cho doanh nghiệp nhỏ và vừa (SMEs) tại Việt Nam bằng cách sử dụng các phương pháp học máy như hồi quy Logistic (LR), Cây quyết định, XGBoost và Mạng nơ-ron nhân tạo (ANN).

Bài viết Ứng dụng thuật toán phân loại cây quyết định J48 trong nhận dạng cảm xúc trình bày các nội dung: Nguyên lý của thuật toán cây quyết định; Xây dựng định dạng dữ liệu cây quyết định; Kết quả tương phản với Đại học Augsburg.

Bài giảng Trí tuệ nhân tạo (Artificial intelligence) - Chương 6.2: Học máy. Chương này cung cấp cho sinh viên những nội dung gồm: học cây quyết định; phép biểu diễn dựa trên thuộc tính; cây quyết định; mạng nơron; biểu diễn mạng nơron; luật huấn luyện Perceptron;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Thống kê và phân tích dữ liệu: Cây quyết định và lý thuyết độ hữu ích được biên soạn gồm các nội dung chính sau: giới thiệu cây quyết định; giới thiệu độ hữu ích; ra quyết định đa yếu tố. Mời các bạn cùng tham khảo!

Bài giảng Nhập môn Học máy và Khai phá dữ liệu - Chương 8: Cây quyết định và rừng ngẫu nhiên. Chương này cung cấp cho học viên những nội dung về: cây quyết định (Decision tree); biểu diễn cây quyết định; học cây quyết định bằng ID3; vài vấn đề trong ID3; cây quyết định cho hồi quy; rừng ngẫu nhiên (Random forests);... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 7, chương này cung cấp cho học viên những nội dung về: phân lớp; cây quyết định (Decision tree); học cây quyết định (Decision tree –DT– learning); biểu diễn cây quyết định; giải thuật ID3; học cây quyết định và chiến lược tìm kiếm;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Khai phá web - Bài 2: Học máy (Phần 1). Bài này cung cấp cho học viên những nội dung về: các khái niệm cơ bản; học có giám sát; phương pháp đánh giá; cây quyết định; thuật toán Naive Bayes; thuật toán SVM; thuật toán kNN;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 1, chương này cung cấp cho học viên những nội dung về: giới thiệu học máy (Machine learning) - khai phá dữ liệu (Data mining); các ứng dụng thành công của học máy; quá trình học máy; các thành phần chính của bài toán học máy;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

Luận văn Thạc sĩ Máy tính "Nghiên cứu và thử nghiệm phần mềm phân loại hành vi bò sử dụng thuật toán cây quyết định" trình bày các nội dung chính sau: Cơ sở lý thuyết về học máy và một số thuật toán học máy kinh điển; Quá trình thu thập dữ liệu, phương pháp đánh giá các thuật toán học máy; Xây dựng chương trình thử nghiệm cho việc quản lý dữ liệu cùng kết quả của thuật toán học máy.