This HTML5 document contains 117 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dcthttp://purl.org/dc/terms/
yago-reshttp://yago-knowledge.org/resource/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-eshttp://es.dbpedia.org/resource/
n9https://global.dbpedia.org/id/
yagohttp://dbpedia.org/class/yago/
dbthttp://dbpedia.org/resource/Template:
n12http://homepages.cwi.nl/~rdewolf/publ/qc/
rdfshttp://www.w3.org/2000/01/rdf-schema#
dbpedia-ukhttp://uk.dbpedia.org/resource/
freebasehttp://rdf.freebase.com/ns/
dbpedia-elhttp://el.dbpedia.org/resource/
dbpedia-pthttp://pt.dbpedia.org/resource/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
wikipedia-enhttp://en.wikipedia.org/wiki/
dbphttp://dbpedia.org/property/
provhttp://www.w3.org/ns/prov#
dbchttp://dbpedia.org/resource/Category:
xsdhhttp://www.w3.org/2001/XMLSchema#
wikidatahttp://www.wikidata.org/entity/
dbrhttp://dbpedia.org/resource/

Statements

Subject Item
dbr:Element_distinctness_problem
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Decision_tree
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Decision_tree_model
rdf:type
yago:PhysicalEntity100001930 yago:Worker109632518 yago:LivingThing100004258 yago:Assistant109815790 yago:Whole100003553 yago:CausalAgent100007347 yago:WikicatModelsOfComputation yago:Model110324560 yago:Person100007846 yago:Object100002684 yago:Organism100004475 yago:YagoLegalActor yago:YagoLegalActorGeo
rdfs:label
Модель дерева рішень Modelo de árbol de decisión Μοντέλο δέντρου απόφασης Modelo de árvore de decisão Decision tree model
rdfs:comment
En complejidad computacional el modelo de árbol de decisión es el modelo de computación en que un algoritmo es considerado básicamente como un árbol de decisión, i.e., una secuencia de consultas o pruebas que se realizan adaptativamente, así que el resultado de las pruebas anteriores puede influir la prueba que se realiza después. Em complexidade computacional e complexidade de comunicação o modelo de árvore de decisão é o modelo de computação ou comunicação no qual um algoritmo ou processo de comunicação é considerado basicamente uma árvore de decisão, ou seja, uma sequência de operações ramificadas baseadas em comparações de quantidades, sendo as comparações atribuidas uma unidade de custo computacional. Várias variações de modelos de árvores de decisão podem ser utilizados dependendo da complexidade das operações permitidas na computação de uma única comparação e também pelo modelo de ramificação. У теорії складності обчислень та модель дерева рішень являє собою модель обчислення або зв'язку, в якій алгоритм або процес комунікації вважаються, по суті, деревом рішень, тобто послідовністю операцій розгалуження на основі порівняння деяких величин, зіставленню присвоюється обчислювальна вартість одиниці. Операції розгалуження називаються «тестами» або «запитами». У цьому параметрі даний алгоритм можна розглядати як обчислення булевої функції , де вхідний рядок запитів і висновок є остаточним рішенням. Кожен наступний запит залежить від попередніх. In computational complexity the decision tree model is the model of computation in which an algorithm is considered to be basically a decision tree, i.e., a sequence of queries or tests that are done adaptively, so the outcome of the previous tests can influence the test is performed next. Decision trees models are instrumental in establishing lower bounds for complexity theory for certain classes of computational problems and algorithms. Several variants of decision tree models have been introduced, depending on the computational model and type of query algorithms are allowed to perform.
dct:subject
dbc:Decision_trees dbc:Computational_complexity_theory dbc:Models_of_computation
dbo:wikiPageID
22684368
dbo:wikiPageRevisionID
1115608020
dbo:wikiPageWikiLink
dbr:Emory_University dbr:Computational_geometry dbr:Noam_Nisan dbr:Vector_space dbr:Comparison_sort dbr:Hao_Huang_(mathematician) dbr:Las_Vegas_algorithm dbr:Computational_model dbr:Information_theory dbr:Boolean_function dbr:Order_statistic dbc:Decision_trees dbr:Total_function dbr:Certificate_(complexity) dbr:Yes–no_question dbr:Fiber_(mathematics) dbr:Lower_bound dbr:Aanderaa–Karp–Rosenberg_conjecture dbr:Deutsch-Jozsa_algorithm dbr:Analysis_of_Boolean_functions dbr:Model_of_computation dbr:Permutation dbc:Computational_complexity_theory dbc:Models_of_computation dbr:Minimum_spanning_tree dbr:Decision_tree dbr:Nondeterministic_algorithm dbr:Heapsort dbr:Mergesort dbr:Monte_Carlo_algorithm dbr:Computational_complexity_theory
dbo:wikiPageExternalLink
n12:dectree.pdf%7Cdoi-access=free
owl:sameAs
dbpedia-pt:Modelo_de_árvore_de_decisão freebase:m.05zkmwd dbpedia-uk:Модель_дерева_рішень n9:4j5nH dbpedia-es:Modelo_de_árbol_de_decisión wikidata:Q5249246 dbpedia-el:Μοντέλο_δέντρου_απόφασης yago-res:Decision_tree_model
dbp:wikiPageUsesTemplate
dbt:Rp dbt:Reflist dbt:Short_description dbt:Use_American_English dbt:Mw-datatable dbt:Citation
dbo:abstract
In computational complexity the decision tree model is the model of computation in which an algorithm is considered to be basically a decision tree, i.e., a sequence of queries or tests that are done adaptively, so the outcome of the previous tests can influence the test is performed next. Typically, these tests have a small number of outcomes (such as a yes–no question) and can be performed quickly (say, with unit computational cost), so the worst-case time complexity of an algorithm in the decision tree model corresponds to the depth of the corresponding decision tree. This notion of computational complexity of a problem or an algorithm in the decision tree model is called its decision tree complexity or query complexity. Decision trees models are instrumental in establishing lower bounds for complexity theory for certain classes of computational problems and algorithms. Several variants of decision tree models have been introduced, depending on the computational model and type of query algorithms are allowed to perform. For example, a decision tree argument is used to show that a comparison sort of items must take comparisons. For comparison sorts, a query is a comparison of two items , with two outcomes (assuming no items are equal): either or . Comparison sorts can be expressed as a decision tree in this model, since such sorting algorithms only perform these types of queries. Em complexidade computacional e complexidade de comunicação o modelo de árvore de decisão é o modelo de computação ou comunicação no qual um algoritmo ou processo de comunicação é considerado basicamente uma árvore de decisão, ou seja, uma sequência de operações ramificadas baseadas em comparações de quantidades, sendo as comparações atribuidas uma unidade de custo computacional. As operações ramificadas são chamadas de "testes" ou "pedidos". Nesta configuração, o algoritmo em questão pode ser visto como uma computação de uma onde a entrada é uma série de pedidos e a saída é uma decisão final. Cada pedido é dependente de pedidos anteriores. Várias variações de modelos de árvores de decisão podem ser utilizados dependendo da complexidade das operações permitidas na computação de uma única comparação e também pelo modelo de ramificação. Modelos de árvore de decisão são instrumentos de estabelecimento do limite inferior para a complexidade computacional de certas classes de problemas computacionais e algoritmos: o limite inferior para análise de pior caso é proporcional a maior profundidade das árvores de decisão para todas as entradas possíveis de um certo problema computacional. A complexidade computacional de um problema ou um algoritmo em termos da árvore de decisão é chamado de complexidade da árvore de decisão ou complexidade do pedido'. У теорії складності обчислень та модель дерева рішень являє собою модель обчислення або зв'язку, в якій алгоритм або процес комунікації вважаються, по суті, деревом рішень, тобто послідовністю операцій розгалуження на основі порівняння деяких величин, зіставленню присвоюється обчислювальна вартість одиниці. Операції розгалуження називаються «тестами» або «запитами». У цьому параметрі даний алгоритм можна розглядати як обчислення булевої функції , де вхідний рядок запитів і висновок є остаточним рішенням. Кожен наступний запит залежить від попередніх. Було запроваджено декілька варіантів моделей дерева рішень, в залежності від складності операцій, дозволених при обчисленні єдиного порівняння та способу розгалуження. Моделі дерев рішень допомагають встановлювати нижні межі для обчислювальної складності для деяких класів обчислювальних задач та алгоритмів: нижня межа складності для пропорційна найбільшій глибині серед дерев рішень для всіх можливих входів даної обчислювальної задачі. Обчислювальна складність задачі або алгоритму виражається в термінах моделі дерева рішень як «складність дерева рішень» або «складність запитів». En complejidad computacional el modelo de árbol de decisión es el modelo de computación en que un algoritmo es considerado básicamente como un árbol de decisión, i.e., una secuencia de consultas o pruebas que se realizan adaptativamente, así que el resultado de las pruebas anteriores puede influir la prueba que se realiza después. Por lo general, estas pruebas tienen una pequeña cantidad de resultados (tales como preguntas de sí o no) y se pueden realizar rápidamente (por ejemplo, con un costo computacional unitario), por lo que la complejidad temporal de un algoritmo en el peor de los casos en el modelo de árbol de decisión corresponde a la profundidad del árbol de decisión correspondiente. Esta noción de complejidad computacional de un problema o un algoritmo en el modelo de árbol de decisión se denomina complejidad del árbol de decisión o complejidad de consulta . Los modelos de árboles de decisión son fundamentales para establecer cuotas inferiores para la teoría de la complejidad para ciertas clases de problemas y algoritmos computacionales. Se han introducido varias variantes de modelos de árboles de decisión, según el modelo computacional y el tipo de algoritmos de consulta que se les permite realizar. Por ejemplo, un argumento de árbol de decisión se usa para mostrar que un de objetos debe tomar comparaciones. Para ordenamientos por comparación, una consulta es una comparación de dos elementos , con dos resultados (suponiendo que ningún par de elementos sean iguales): o . Los ordenamientos por comparación se pueden expresar como un árbol de decisión en este modelo, ya que dichos algoritmos de ordenamiento solo realizan este tipo de consultas.
prov:wasDerivedFrom
wikipedia-en:Decision_tree_model?oldid=1115608020&ns=0
dbo:wikiPageLength
25088
foaf:isPrimaryTopicOf
wikipedia-en:Decision_tree_model
Subject Item
dbr:Quantum_cognition
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Clique_problem
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Convex_hull_algorithms
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Comparison_sort
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Features_from_accelerated_segment_test
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Harry_Buhrman
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbp:knownFor
dbr:Decision_tree_model
dbo:knownFor
dbr:Decision_tree_model
Subject Item
dbr:3SUM
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Boolean_function
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Minimum_spanning_tree
rdfs:seeAlso
dbr:Decision_tree_model
Subject Item
dbr:Certificate_(complexity)
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Model_of_computation
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:ID3_algorithm
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:List_of_unsolved_problems_in_mathematics
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Evasive_Boolean_function
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Outline_of_machine_learning
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:X_+_Y_sorting
dbo:wikiPageWikiLink
dbr:Decision_tree_model
Subject Item
dbr:Linear_decision_tree
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Sensitivity_Conjecture
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Sensitivity_conjecture
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Quantum_query_complexity
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Query_complexity
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Decision_tree_(model)
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Decision_tree_complexity
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
dbr:Algebraic_decision_tree
dbo:wikiPageWikiLink
dbr:Decision_tree_model
dbo:wikiPageRedirects
dbr:Decision_tree_model
Subject Item
wikipedia-en:Decision_tree_model
foaf:primaryTopic
dbr:Decision_tree_model