Multi-class Classifier Based on a Fuzzy-decision Tree

Praca zawiera omówienie podstawowych algorytmów drzew decyzyjnych i możliwości ich rozszerzenia o teorię zbiorów rozmytych. W szczególności opracowana została autorska implementacja  wieloklasowego klasyfikatora opartego o rozmyte drzewo decyzyjne w języku Python. Dokonano również porównania dokładności klasyfikacji tego rozwiązania do klasycznych metod uczenia maszynowego. Algorytm rozmytego drzewa decyzyjnego okazał się generować najlepsze predykcje dla większości z rozważanych zbiorów danych; w szczególności wykazał większe zdolności do generalizacji wiedzy niż jego klasyczny odpowiednik. Przeprowadzony eksperyment wykazał jego przewidywalną, wysoką dokładność predykcji niezależnie od charakterystyki danych wejściowych.

The paper describes the basic decision tree algorithms and the possibility of extending them to the theory of fuzzy sets. In particular, an original implementation of a multi-class classifier based on a fuzzy decision tree in Python was developed. The classification accuracy of this solution was also compared to classical machine learning methods. The fuzzy decision tree algorithm turned out to generate the best predictions for most of the considered data sets; in particular, it showed greater ability to generalize knowledge than its classic counterpart. The conducted experiment showed its predictable, high accuracy of prediction regardless of the characteristics of the input data.