決策是什么意思有什么優(yōu)缺點
決策是什么意思有什么優(yōu)缺點
分類樹(決策樹)是一種十分常用的分類方法。那么你對決策樹了解多少呢?以下是由學習啦小編整理關于什么是決策樹的內(nèi)容，希望大家喜歡!
決策樹的簡介
決策樹(Decision Tree)是在已知各種情況發(fā)生概率的基礎上，通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。Entropy = 系統(tǒng)的凌亂程度，使用算法ID3, C4.5和C5.0生成樹算法使用熵。這一度量是基于信息學理論中熵的概念。
決策樹是一種樹形結(jié)構(gòu)，其中每個內(nèi)部節(jié)點表示一個屬性上的測試，每個分支代表一個測試輸出，每個葉節(jié)點代表一種類別。
分類樹(決策樹)是一種十分常用的分類方法。他是一種監(jiān)管學習，所謂監(jiān)管學習就是給定一堆樣本，每個樣本都有一組屬性和一個類別，這些類別是事先確定的，那么通過學習得到一個分類器，這個分類器能夠?qū)π鲁霈F(xiàn)的對象給出正確的分類。這樣的機器學習就被稱之為監(jiān)督學習。
決策樹的組成
□——決策點，是對幾種可能方案的選擇，即最后選擇的最佳方案。如果決策屬于多級決策，則決策樹的中間可以有多個決策點，以決策樹根部的決策點為最終決策方案。
○——狀態(tài)節(jié)點，代表備選方案的經(jīng)濟效果(期望值)，通過各狀態(tài)節(jié)點的經(jīng)濟效果的對比，按照一定的決策標準就可以選出最佳方案。由狀態(tài)節(jié)點引出的分支稱為概率枝，概率枝的數(shù)目表示可能出現(xiàn)的自然狀態(tài)數(shù)目每個分枝上要注明該狀態(tài)出現(xiàn)的概率。
△——結(jié)果節(jié)點，將每個方案在各種自然狀態(tài)下取得的損益值標注于結(jié)果節(jié)點的右端。
決策樹的優(yōu)點
決策樹易于理解和實現(xiàn)，人們在在學習過程中不需要使用者了解很多的背景知識，這同時是它的能夠直接體現(xiàn)數(shù)據(jù)的特點，只要通過解釋后都有能力去理解決策樹所表達的意義。
對于決策樹，數(shù)據(jù)的準備往往是簡單或者是不必要的，而且能夠同時處理數(shù)據(jù)型和常規(guī)型屬性，在相對短的時間內(nèi)能夠?qū)Υ笮蛿?shù)據(jù)源做出可行且效果良好的結(jié)果。
易于通過靜態(tài)測試來對模型進行評測，可以測定模型可信度;如果給定一個觀察的模型，那么根據(jù)所產(chǎn)生的決策樹很容易推出相應的邏輯表達式。
決策樹的缺點
1)對連續(xù)性的字段比較難預測。
2)對有時間順序的數(shù)據(jù)，需要很多預處理的工作。
3)當類別太多時，錯誤可能就會增加的比較快。
4)一般的算法分類的時候，只是根據(jù)一個字段來分類。
決策樹的實例
為了適應市場的需要，某地準備擴大電視機生產(chǎn)。市場預測表明：產(chǎn)品銷路好的概率為0.7;銷路差的概率為0.3。備選方案有三個：第一個方案是建設大工廠，需要投資600萬元，可使用10年;如銷路好，每年可贏利200萬元;如銷路不好，每年會虧損40萬元。第二個方案是建設小工廠，需投資280萬元;如銷路好，每年可贏利80萬元;如銷路不好，每年也會贏利60萬元。第三個方案也是先建設小工廠，但是如銷路好，3年后擴建，擴建需投資400萬元，可使用7年，擴建后每年會贏利190萬元。
各點期望：
點②：0.7×200×10+0.3×(-40)×10-600(投資)=680(萬元)
決策樹分析
決策樹分析
點⑤：1.0×190×7-400=930(萬元)
點⑥：1.0×80×7=560(萬元)
比較決策點4的情況可以看到，由于點⑤(930萬元)與點⑥(560萬元)相比，點⑤的期望利潤值較大，因此應采用擴建的方案，而舍棄不擴建的方案。把點⑤的930萬元移到點4來，可計算出點③的期望利潤值。
點③：0.7×80×3+0.7×930+0.3×60×(3+7)-280 = 719(萬元)
最后比較決策點1的情況。由于點③(719萬元)與點②(680萬元)相比，點③的期望利潤值較大，因此取點③而舍點②。這樣，相比之下，建設大工廠的方案不是最優(yōu)方案，合理的策略應采用前3年建小工廠，如銷路好，后7年進行擴建的方案。
看過“決策樹的優(yōu)缺點”的人還看了：