วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยลัย, 2543

การเรียนรู้ต้นไม้ตัดสินใจเป็นเทคนิคการเรียนรู้ของเครื่องวิธีการหนึ่งที่ใช้กันอย่างแพร่หลายในปัจจุบัน เมื่อสร้างต้นไม้ตัดสินใจจากข้อมูลสอน โดยเฉพาะข้อมูลที่มีสัญญาณรบกวนนั้น ต้นไม้ตัดสินใจที่ได้อาจอิงกับข้อมูลมากเกินไป ทำให้ต้นไม้ตัดสินใจที่ได้มีขนาดใหญ่มาก และอาจใช้งานได้ไม่ดีกับข้อมูลใหม่ในอนาคต เทคนิคทั่วไปสำหรับแก้ไขการอิงกับข้อมูลมากไป ก็คือ การตัดเล็มต้นไม้ตัดสินใจ วิธีการต่างๆ สำหรับการตัดเล็มต้นไม้ตัดสินใจได้ถูกนำเสนอ ทุกวิธีการจะทำโดยการตัดโนดบางโนดออกจากต้นไม้เพื่อลดขนาดของต้นไม้ แต่ในบางครั้งโนดที่ตัดไปนั้นอาจมีความสำคัญอยู่ หรืออาจจะมีประโยชน์ในการแยกแยะข้อมูลในอนาคต งานวิจัยนี้ได้เสนอวิธีการใหม่ ที่ให้น้ำหนักแก่โนดตามความสำคัญของโนดนั้นๆ เรียกวิธีการนี้ว่าการตัดเล็มอย่างอ่อน ระดับความสำคัญหรือน้ำหนักของโนดหนึ่งๆ จะได้มาจากแบ็กพรอพาเกชันนิวรอลเน็ตเวิร์ก ผลการทดลองกับข้อมูลทั้งหมด 20 ชุดข้อมูล เพื่อเปรียบเทียบวิธีการที่นำเสนอกับต้นไม้ตัดสินใจที่ไม่ได้ทำการตัดเล็ม และต้นไม้ตัดสินใจที่ทำการตัดเล็ม สรุปได้ว่าผลของงานวิจัยนี้ให้ประสิทธิภาพที่ดีที่สุด