Arborele deciziei - Prezentare generală, tipuri de decizii, aplicații

Un arbore de decizie este un instrument de sprijin cu o structură asemănătoare unui arbore care modelează rezultatele probabile, costul resurselor, utilitățile și posibilele consecințe. Arborii de decizie oferă o modalitate de a prezenta algoritmi Algoritmi (Algos) Algoritmii (Algos) sunt un set de instrucțiuni care sunt introduse pentru a efectua o sarcină. Algoritmii sunt introduși pentru automatizarea tranzacționării pentru a genera profituri la o frecvență imposibilă pentru un comerciant uman cu declarații de control condiționat. . Acestea includ ramuri care reprezintă pași de luare a deciziilor care pot duce la un rezultat favorabil.

Arbori de decizieFigura 1. Arborele deciziei simple (sursă)

Structura organigramei include noduri interne care reprezintă teste sau atribute în fiecare etapă. Fiecare ramură reprezintă un rezultat pentru atribute, în timp ce calea de la frunză la rădăcină reprezintă reguli de clasificare.

Arborii de decizie sunt una dintre cele mai bune forme de algoritmi de învățare bazate pe diverse metode de învățare. Acestea stimulează modelele predictive cu precizie, ușurință în interpretare și stabilitate. Instrumentele sunt, de asemenea, eficiente în potrivirea relațiilor neliniare, deoarece sunt capabile să rezolve provocări de potrivire a datelor, cum ar fi regresia și clasificările.

rezumat

  • Arborii de decizie sunt utilizați pentru manipularea eficientă a seturilor de date neliniare.
  • Instrumentul arborelui decizional este utilizat în viața reală în multe domenii, cum ar fi ingineria, planificarea civilă, dreptul și afacerile.
  • Arborii de decizie pot fi împărțiți în două tipuri; arborele de decizie variabilă categorică și variabilă continuă.

Tipuri de decizii

Există două tipuri principale de arbori de decizie care se bazează pe variabila țintă, adică arborii de decizie variabile categorice și arborii de decizie variabile continue.

1. Arborele deciziei variabilei categorice

Un arbore de decizie a variabilelor categorice include variabile țintă categorice care sunt împărțite în categorii. De exemplu, categoriile pot fi da sau nu. Categoriile înseamnă că fiecare etapă a procesului decizional se încadrează într-una dintre categorii și nu există nicio întreprindere.

2. Arborele deciziei variabile continue

Un arbore de decizie variabilă continuă este un arbore de decizie cu o variabilă țintă continuă. De exemplu, venitul unei persoane al cărui venit este necunoscut poate fi estimat pe baza informațiilor disponibile, cum ar fi ocupația, vârsta și alte variabile continue.

Aplicațiile arborilor de decizie

1. Evaluarea oportunităților prospective de creștere

Una dintre aplicațiile arborilor de decizie implică evaluarea oportunităților de creștere potențiale pentru companii pe baza datelor istorice. Datele istorice privind vânzările pot fi utilizate în arborii de decizie care pot duce la modificări radicale în strategia unei afaceri pentru a ajuta la expansiune și creștere.

2. Utilizarea datelor demografice pentru a găsi clienți potențiali

O altă aplicație a arborilor de decizie constă în utilizarea datelor demografice. Demografice. Demografiile se referă la caracteristicile socio-economice ale unei populații pe care întreprinderile le utilizează pentru a identifica preferințele de produs și comportamentele de cumpărare ale clienților. Cu trăsăturile pieței țintă, companiile își pot construi un profil pentru baza de clienți. pentru a găsi clienți potențiali. Ele pot ajuta la eficientizarea unui buget de marketing și la luarea deciziilor în cunoștință de cauză pe piața țintă pe care se concentrează afacerea. În absența arborilor de decizie, afacerea își poate cheltui piața de marketing fără să aibă în vedere un demografic specific, ceea ce îi va afecta veniturile globale.

3. Servind ca instrument de asistență în mai multe domenii

Împrumutătorii folosesc, de asemenea, arborii de decizie pentru a prezice probabilitatea ca un client să nu mai primească un împrumut, aplicând generarea modelului predictiv folosind datele anterioare ale clientului. Utilizarea unui instrument de sprijin pentru arborele decizional poate ajuta creditorii în evaluarea bonității unui client pentru a preveni pierderile.

Arborii de decizie pot fi utilizați și în cercetarea operațională în planificarea logisticii și managementului strategic Management strategic Managementul strategic este formularea și implementarea obiectivelor majore și a inițiativelor luate de conducerea superioară a unei organizații în numele acesteia. Ele pot ajuta la determinarea strategiilor adecvate care vor ajuta o companie să își atingă obiectivele propuse. Alte domenii în care arborii de decizie pot fi aplicați includ inginerie, educație, drept, afaceri, asistență medicală și finanțe.

Avantajele arborilor de decizie

1. Ușor de citit și interpretat

Unul dintre avantajele arborilor de decizie este că rezultatele lor sunt ușor de citit și interpretat, fără a necesita măcar cunoștințe statistice. De exemplu, atunci când se utilizează arborii de decizie pentru a prezenta informații demografice despre clienți, personalul departamentului de marketing poate citi și interpreta reprezentarea grafică a datelor fără a necesita cunoștințe statistice.

Datele pot fi, de asemenea, utilizate pentru a genera informații importante despre probabilitățile, costurile și alternativele la diferite strategii formulate de departamentul de marketing.

2. Ușor de pregătit

În comparație cu alte tehnici de decizie, arborii de decizie depun mai puțin efort pentru pregătirea datelor. Cu toate acestea, utilizatorii trebuie să aibă informații pregătite pentru a crea noi variabile cu puterea de a prezice variabila țintă. De asemenea, pot crea clasificări ale datelor fără a fi nevoie să calculeze calcule complexe. Pentru situații complexe, utilizatorii pot combina arborii de decizie cu alte metode.

3. Este necesară mai puțină curățare a datelor

Un alt avantaj al arborilor de decizie este că, odată create variabilele, este necesară mai puțină curățare a datelor. Cazurile de valori lipsă și valori aberante au o semnificație mai mică asupra datelor arborelui decizional.

Dezavantaje ale arborilor de decizie

1. Natura instabilă

Una dintre limitările arborilor de decizie este că acestea sunt în mare măsură instabile în comparație cu alți predictori de decizie. O mică modificare a datelor poate duce la o schimbare majoră în structura arborelui decizional, care poate transmite un rezultat diferit de ceea ce vor obține utilizatorii într-un eveniment normal. Schimbarea rezultată a rezultatului poate fi gestionată de algoritmi de învățare automată, cum ar fi boosting Boosting Boosting este un algoritm care ajută la reducerea varianței și a prejudecății într-un ansamblu de învățare automată. Algoritmul ajută la conversia persoanelor care învață slab și la punerea în sac Bagging (Bootstrap Aggregation) Învățarea automată a ansamblului poate fi clasificată în principal în bagging și boosting. Tehnica de ambalare este utilă atât pentru regresie, cât și pentru statistică.

2. Mai puțin eficient în prezicerea rezultatului unei variabile continue

În plus, arborii de decizie sunt mai puțin eficienți în realizarea predicțiilor atunci când obiectivul principal este de a prezice rezultatul unei variabile continue. Acest lucru se datorează faptului că arborii de decizie tind să piardă informații atunci când clasifică variabilele în mai multe categorii.

Mai multe resurse

Finance este furnizorul oficial al certificatului bancar și credit Analyst (CBCA) ™ Certificare CBCA ™ Acreditarea Certified Banking & Credit Analyst (CBCA) ™ este un standard global pentru analiștii de credit care acoperă finanțe, contabilitate, analiza creditelor, analiza fluxului de numerar, modelarea legământului, rambursările împrumuturilor și multe altele. program de certificare, conceput pentru a transforma pe oricine într-un analist financiar de talie mondială.

Pentru a continua să învățați și să vă dezvoltați cunoștințele despre analiza financiară, vă recomandăm cu tărie resursele financiare suplimentare de mai jos:

  • Evenimente independente Evenimente independente În statistici și teoria probabilității, evenimentele independente sunt două evenimente în care apariția unui eveniment nu afectează apariția unui alt eveniment
  • Șabloane de diagrame Fluxuri de diagrame sunt excelente pentru descrierea concisă a proceselor de afaceri, fără a compromite structura și detaliile. Mai jos sunt patru exemple de șabloane de diagrame
  • Evenimente care se exclud reciproc Evenimente care se exclud reciproc În statistici și teoria probabilității, două evenimente se exclud reciproc dacă nu pot apărea în același timp. Cel mai simplu exemplu de excludere reciprocă
  • Diagrama arborelui Diagrama arborelui O diagramă arborescentă este utilizată în matematică - mai precis, în teoria probabilităților - ca instrument pentru a ajuta la calcularea și furnizarea unei reprezentări vizuale a

Postări recente