Pemateri:
Veni Agustina
Decision Tree Classifier adalah algoritma pembelajaran mesin yang digunakan untuk memprediksi label atau kelas dari suatu data. Algoritma ini didasarkan pada pembuatan struktur keputusan yang merepresentasikan serangkaian keputusan yang diambil berdasarkan nilai dari fitur-fitur yang ada pada data.
Proses pembuatan Decision Tree Classifier dimulai dengan membagi data ke dalam subset yang semakin kecil dan homogen berdasarkan fitur-fitur yang ada.
Setelah itu, setiap subset akan dibagi lagi menjadi subset yang lebih kecil berdasarkan fitur-fitur lainnya hingga tidak ada lagi fitur yang bisa digunakan untuk membagi subset.
Pada setiap titik percabangan, keputusan diambil berdasarkan nilai dari fitur-fitur yang terkait dengan subset data yang sedang diproses.
Hal ini dilakukan dengan menghitung tingkat kepentingan atau nilai informasi dari setiap fitur dan memilih fitur yang paling informatif untuk digunakan sebagai kriteria pemisahan.
Setelah pohon keputusan selesai dibangun, data baru dapat diprediksi dengan mengikuti serangkaian keputusan pada pohon keputusan hingga mencapai daun pohon yang merepresentasikan label atau kelas prediksi.
Decision Tree Classifier sering digunakan dalam klasifikasi data, seperti dalam klasifikasi jenis kelamin berdasarkan karakteristik fisik atau klasifikasi spam email berdasarkan kata-kata kunci pada isi email.
Algoritma ini mudah dipahami dan diinterpretasikan oleh manusia, sehingga sering digunakan dalam situasi di mana interpretasi model menjadi penting. Namun, Decision Tree Classifier juga dapat cenderung overfitting jika tidak diatur dengan baik.
Semoga materi ini memberikan manfaat bagi penyimak.
