البته الگوریتم knn نکات و ظرایفی دارد که فعلا هدف ما در این آموزش نیست مثلا در knn تعداد همسایه هایی که باید بررسی شود ان چیزی هست که ماشین باید یادبگیرد و اینکه چطور یادبگیرد یک جلسه اموزش نیاز دارد که بعدا خواهم گفت . فعلا می خواهم یک منطق دیگری را در مواجهه با این نوع داده ها بهتون معرفی کنم منطق درخت تصمیم Decision tree درخت تصمیم خود یکی از روش های یادگیری ماشین هست که بعدا مقدمه منطق جنگل های تصادفی random forest خواهد شد.

وقتی هوا ابری بوده همیشه بازی انجام شده

ما دنبال منطقی می‌گردیم‌که وقتی ان را دست هر کسی بدهیم به راحتی بتواند به کمک ان نتیجه را پیش بینی کند این منطق را در ادامه با هم استخراج می کنیم

حالا روزهای بارانی رو‌ببینید وقتی رطوبت بالا بوده باز لغو شده

خوب بذارید درخت را از همینجا شروع کنیم به ساختنش

این گام اول برای بررسی روزهای ابری

اینم گام دوم برای بررسی وضعیت بارانی

اما گام سوم بررسی روزهای آفتابی

اینم‌وضعیت روزهای آفتابی که به راحتی بر اساس وزش باد می توان نتیجه را پیش بینی کرد

خوب درخت ما کامل شد

حالا این درخت رو‌به هرکسی بدهید به راحتی می تواند نتیجه را پیش بینی کند میگی نه امتحان کنید😉

می دونید تفاوت روش درخت تصمیم با روش شما دوستانی که انجام دادن در چی‌بود انها بر اساس شرایط فردا داشتن جواب رو پیدا می کردن اما روش درخت تصمیم اصلا با شرایط فردا کاری نداشت بلکه خود داده ها را وا کاوی کرد و یک روش برای تصمیم پیدا کرد