วิธีการแสดงเงื่อนไขการทดสอบแอตทริบิวต์ (Attribute Test Conditions) มีอะไรบ้าง

การนำเข้าต้นไม้ตัดสินใจ (Decision Tree Induction) เป็นการเรียนรู้ต้นไม้ตัดสินใจจากทูเพิลฝึกอบรมที่ติดฉลากคลาส (Class-labeled Training Tuples) ต้นไม้ตัดสินใจเป็นโครงสร้างต้นไม้แบบแผนภาพลำดับขั้นตอน (Sequential Diagram-like) ที่โหนดภายในทุกโหนด (Non-leaf Node) บ่งชี้การทดสอบบนแอตทริบิวต์ แต่ละกิ่งกำหนดผลลัพธ์ของการทดสอบ และแต่ละโหนดใบ (Leaf Node หรือ Terminal Node) ให้ผลลัพธ์การจำแนกประเภทคลาส โหนดที่ใหญ่ที่สุดในต้นไม้คือโหนดราก (Root Node)

การนำเข้าต้นไม้ตัดสินใจสร้างโครงสร้างแบบแผนภาพไหล (Flowchart-like) ที่โหนดภายใน (Non-leaf) แต่ละโหนดบ่งชี้การทดสอบบนแอตทริบิวต์ แต่ละกิ่งสอดคล้องกับผลลัพธ์ของการทดสอบ และแต่ละโหนดภายนอก (Leaf) บ่งชี้การทำนายคลาส

ที่แต่ละโหนด อัลกอริทึมเลือกแอตทริบิวต์ "ที่ดีที่สุด" (Best) เพื่อแบ่งข้อมูลเป็นคลาสเดี่ยว เมื่อการนำเข้าต้นไม้ตัดสินใจใช้สำหรับการเลือกเซตย่อยแอตทริบิวต์ (Attribute Subset Selection) ต้นไม้จะถูกสร้างจากข้อมูลที่กำหนด

แอตทริบิวต์บางตัวที่ไม่ปรากฏในต้นไม้ถูกมองว่าไม่เกี่ยวข้อง (Irrelevant) เซตของแอตทริบิวต์ที่เกิดขึ้นในต้นไม้สร้างเซตย่อยของแอตทริบิวต์ที่ลดลง อัลกอริทึมการนำเข้าต้นไม้ตัดสินใจสนับสนุนแนวทางสำหรับกำหนดเงื่อนไขการทดสอบแอตทริบิวต์และผลลัพธ์ที่สอดคล้องกันสำหรับประเภทแอตทริบิวต์หลายประเภท

แอตทริบิวต์ไบนารี (Binary Attributes)

แอตทริบิวต์ไบนารีเป็นแอตทริบิวต์นามินอล (Nominal Attribute) ที่มีเพียงสององค์ประกอบหรือสถานะ รวมถึง 0 หรือ 1 ที่ 0 บ่อยครั้งแทนว่าแอตทริบิวต์ไม่มีอยู่ และ 1 แทนว่ามันมีอยู่ แอตทริบิวต์ไบนารีถูกกำหนดเป็นบูลีน (Boolean) หากสองสถานะเทียบเท่ากับจริงและเท็จ

แอตทริบิวต์ไบนารีเป็นสมมาตร (Symmetric) หากทั้งสองสถานะมีค่าเท่ากันและมีน้ำหนักเท่ากัน ไม่มีความชอบในผลลัพธ์ที่ต้องเข้ารหัสเป็น 0 หรือ 1 ตัวอย่างสามารถเป็นแอตทริบิวต์เพศ (Gender) ที่มีสถานะชายและหญิง

แอตทริบิวต์ไบนารีเป็นไม่สมมาตร (Asymmetric) หากผลลัพธ์ของสถานะไม่ได้สำคัญเท่ากัน เช่น ผลลัพธ์บวกและลบของการตรวจทางการแพทย์สำหรับ HIV ตามข้อตกลง สามารถเข้ารหัสผลลัพธ์ที่สำคัญที่สุด ซึ่งโดยทั่วไปคือผลลัพธ์ที่หายากกว่า (Rarest) ด้วย 1 (เช่น HIV positive) และอีกตัวด้วย 0 (เช่น HIV negative)

แอตทริบิวต์นามินอล (Nominal Attributes)

นามินอล (Nominal) หมายถึงเกี่ยวกับชื่อ ค่าของแอตทริบิวต์นามินอลเป็นสัญลักษณ์หรือชื่อของสิ่งต่างๆ แต่ละค่ากำหนดประเภทของหมวดหมู่ รหัส หรือสถานะ เป็นต้น แอตทริบิวต์นามินอลถูกกำหนดเป็นคะเทกอริคอล (Categorical) ค่าไม่มีลำดับที่สำคัญ ในวิทยาการคอมพิวเตอร์ ค่านี้ยังเรียกว่าการนับแบบแจกแจง (Enumerations)

แอตทริบิวต์ออร์ดิเนล (Ordinal Attributes)

แอตทริบิวต์ออร์ดิเนลเป็นแอตทริบิวต์ที่มีค่าที่ใช้ได้ที่มีลำดับหรือการจัดอันดับที่สำคัญระหว่างพวกมัน แต่ขนาดระหว่างค่าที่ติดต่อกันไม่รู้จัก

แอตทริบิวต์ออร์ดิเนลสามารถทำการแบ่งแบบไบนารีหรือหลายทาง (Multiway Splits) ได้ ค่าของแอตทริบิวต์ออร์ดิเนลสามารถรวมกันได้ โดยคำนึงถึงการจัดกลุ่มไม่ละเมิดลักษณะลำดับของค่าแอตทริบิวต์

แอตทริบิวต์ตัวเลข (Numeric Attributes)

แอตทริบิวต์ตัวเลขเป็นเชิงปริมาณ (Quantitative) เป็นปริมาณที่คำนวณได้ แทนในค่าตัวเลขหรือค่าจริง สามารถเป็น interval-scaled หรือ ratio-scaled