كلاسه بندي با درخت هاي تصميم گيري در پايگاه داده هاكلاسه بندي داد هها يك فرآيند دو مرحل هاي است :1.در مرحله اول يك مدل ساخته م يشود كه مجم وعه اي از كلاسه ا ي داده اي يا مفاهيم را مشخص مي كند . اين مرحله را مرحله يادگيري 1 گوييم كه در آن يك الگوريتم كلاسه بندي يك مدل را با تحليل ي ك مجموعه آموزش ي2 كه مجموعه اي از تاپل هاي پايگاه X است م ي سازد و برچسب كلا س هاي مربوط به اين تاپ ل ها را مشخص م ي كند . يك تاپلنمايش داده م ي شود . فرض م ي شود كه هر تاپل به X=(x1,x2,…,xn) با يك بردار صفتيك كلاس از پيش تعريف شده متعلق است و كلاس با يك صفت كه به آن صفت برچسب كلاس م ي گوييم مشخص م ي شود . مجموعه آموزش ي به صورت تصاد ف ي از پايگاه انتخاب مي شود .انجام م ي شود كه م ي تواند برچسب y=f(X) 2.در مرحله دوم ، يادگيري از طريق يك تابعاز پايگاه را پيش بين ي كند . اين تابع به صورت قواعد كلاسه بند ي ، X كلاس هر تاپلدرخت هاي تصميم گيري يا فرمو لهاي رياضي است .آنچه ما در اينجا براي كلاس هبندي بررسي مي كنيم كلاسه بندي با درختان تصميم گيري3 است .1 Learning2 training set3 Decision