Methoden zur Klassifikation - OptiV

5.3 Anwendung von ID3
Anwendungsvoraussetzungen
Der ID3-Algorithmus kann unter folgenden Voraussetzungen einen Entschei-
von ID3 dungsbaum generieren:
Vorteile von
ID3
Nachteile von
ID3
• Die Daten müssen fehlerfrei und unverrauscht sein.
• Die Merkmale müssen diskrete Werte besitzen oder bei reellen Werten
müssen Intervallgrenzen festsetzbar sein. Diese Festlegung ist jedoch oft
problematisch, da sie Einfluss auf die Klassifikationsgüte des Entscheidungsbaumes
hat.
Der ID3-Algorithmus ist insbesondere für die schnelle Klassifikation großer Datenmengen
gut geeignet.
Der ID3-Algorithmus bietet folgende Vorteile:
• Der Lernprozess ist auch bei großen Datenmengen recheneffizient.
• Die Repräsentation als Baumstruktur ist für den Anwender gut überschaubar
und verständlich.
• Aus dem Entscheidungsbaum können gut handhabbare Entscheidungsregeln
gebildet werden.
• Die Entscheidungsregeln können zum Zugriff auf Datenbanken in SQL-
Abfragen übersetzt werden.
Der ID3-Algorithmus hat eine Reihe von Nachteilen:
• Da der Algorithmus auf eine vollständige Klassifikation aller Daten eingerichtet
ist, reagiert er sehr empfindlich auf verrauschte und fehlerhafte
Daten, da schon bei kleinen Änderungen der Merkmalswerte der
Entscheidungsbaum entsprechend geändert wird und zu falschen Klassifikationen
führt.
• Da der Baum nur vorwärts aufgebaut wird und kein rückschreitendes Verbessern
möglich ist, handelt es sich bei dem so gewonnenen Baum oft um
ein lokales Optimum.
18