Beslutningstreet - oversikt, beslutningstyper, applikasjoner

Et beslutningstreet er et støtteverktøy med en trelignende struktur som modellerer sannsynlige resultater, ressurskostnader, verktøy og mulige konsekvenser. Beslutningstrær gir en måte å presentere algoritmer Algoritmer (Algos) Algoritmer (Algos) er et sett med instruksjoner som introduseres for å utføre en oppgave. Algoritmer introduseres for å automatisere handel for å generere fortjeneste med en frekvens som er umulig for en menneskelig handelsmann med betingede kontrolluttalelser. . De inkluderer filialer som representerer beslutningstiltak som kan føre til et gunstig resultat.

BeslutningstrærFigur 1. Enkelt beslutningstreet (kilde)

Flytskjermstrukturen inkluderer interne noder som representerer tester eller attributter på hvert trinn. Hver gren står for et resultat for attributtene, mens banen fra bladet til roten representerer regler for klassifisering.

Beslutningstrær er en av de beste formene for læringsalgoritmer basert på ulike læringsmetoder. De øker prediktive modeller med nøyaktighet, tolkning og stabilitet. Verktøyene er også effektive for å tilpasse ikke-lineære forhold, siden de er i stand til å løse datatilpassede utfordringer, for eksempel regresjon og klassifisering.

Sammendrag

  • Beslutningstrær brukes til å håndtere ikke-lineære datasett effektivt.
  • Beslutningstrærverktøyet brukes i det virkelige liv på mange områder, som ingeniørfag, sivil planlegging, jus og næringsliv.
  • Beslutningstrær kan deles inn i to typer; kategoriske variable og kontinuerlige variable beslutningstrær.

Typer avgjørelser

Det er to hovedtyper av beslutningstrær som er basert på målvariabelen, dvs. kategoriske variable beslutningstrær og kontinuerlige variable beslutningstrær.

1. Kategorisk variabelt beslutningstreet

Et kategorisk variabel beslutningstreet inneholder kategoriske målvariabler som er delt inn i kategorier. Kategoriene kan for eksempel være ja eller nei. Kategoriene betyr at hvert trinn i beslutningsprosessen faller inn i en av kategoriene, og det er ingen mellomliggende.

2. Kontinuerlig variabelt beslutningstreet

Et kontinuerlig variabel beslutningstreet er et beslutningstreet med en kontinuerlig målvariabel. For eksempel kan inntekten til et individ hvis inntekt er ukjent, forutsies basert på tilgjengelig informasjon som yrke, alder og andre kontinuerlige variabler.

Anvendelser av beslutningstrær

1. Vurdering av potensielle vekstmuligheter

En av anvendelsene av beslutningstrær innebærer å evaluere potensielle vekstmuligheter for bedrifter basert på historiske data. Historiske data om salg kan brukes i beslutningstrær som kan føre til radikale endringer i en virksomhets strategi for å hjelpe utvidelse og vekst.

2. Bruke demografiske data for å finne potensielle kunder

En annen anvendelse av beslutningstrær er i bruken av demografiske data Demografi Demografi refererer til de sosioøkonomiske egenskapene til en befolkning som bedrifter bruker for å identifisere kundens produktpreferanser og kjøpsatferd. Med målmarkedets trekk kan bedrifter lage en profil for kundebasen. for å finne potensielle kunder. De kan hjelpe til med å effektivisere et markedsføringsbudsjett og ta informerte beslutninger på målmarkedet som virksomheten er fokusert på. I mangel av beslutningstrær kan virksomheten bruke markedsføringsmarkedet uten å ha en spesifikk demografi i tankene, noe som vil påvirke den samlede inntekten.

3. Fungerer som støtteverktøy innen flere felt

Långivere bruker også beslutningstrær for å forutsi sannsynligheten for at en kunde misligholder et lån, ved å anvende prediktiv modellgenerering ved hjelp av klientens tidligere data. Bruk av et beslutningstreetstøtteverktøy kan hjelpe långivere med å evaluere kredittverdigheten til en kunde for å forhindre tap.

Beslutningstrær kan også brukes i driftsforskning innen planlegging av logistikk og strategisk ledelse Strategisk ledelse Strategisk ledelse er formulering og implementering av viktige mål og tiltak tatt av organisasjonens toppledelse på vegne av dens. De kan hjelpe til med å bestemme passende strategier som vil hjelpe et selskap å nå sine tiltenkte mål. Andre felt der beslutningstrær kan brukes, inkluderer ingeniørfag, utdanning, jus, virksomhet, helsetjenester og økonomi.

Fordeler med beslutningstrær

1. Lett å lese og tolke

En av fordelene med beslutningstrær er at resultatene deres er enkle å lese og tolke, uten selv å kreve statistisk kunnskap. For eksempel, når man bruker beslutningstrær til å presentere demografisk informasjon på kunder, kan personalet i markedsavdelingen lese og tolke den grafiske representasjonen av dataene uten å kreve statistisk kunnskap.

Dataene kan også brukes til å generere viktig innsikt i sannsynlighetene, kostnadene og alternativene til ulike strategier formulert av markedsavdelingen.

2. Lett å tilberede

Sammenlignet med andre beslutningsteknikker, tar beslutningstrær mindre anstrengelse for å utarbeide data. Brukere må imidlertid ha klar informasjon for å kunne opprette nye variabler som er i stand til å forutsi målvariabelen. De kan også lage klassifiseringer av data uten å måtte beregne komplekse beregninger. For komplekse situasjoner kan brukere kombinere beslutningstrær med andre metoder.

3. Mindre datarengjøring kreves

En annen fordel med beslutningstrær er at når variablene er opprettet, er det mindre datarengjøring nødvendig. Tilfeller av manglende verdier og avvik har mindre betydning for beslutningstreetes data.

Ulemper ved beslutningstrær

1. Ustabil natur

En av begrensningene til beslutningstrær er at de stort sett er ustabile sammenlignet med andre beslutnings prediktorer. En liten endring i dataene kan resultere i en stor endring i strukturen til beslutningstreet, som kan formidle et annet resultat enn hva brukerne vil få i en normal hendelse. Den resulterende endringen i utfallet kan styres av maskinlæringsalgoritmer, for eksempel å øke Boosting Boosting er en algoritme som hjelper til med å redusere varians og forspenning i et maskinlæringsensemble. Algoritmen hjelper til med konvertering av svake elever og bagging Bagging (Bootstrap Aggregation) Ensemble maskinlæring kan hovedsakelig kategoriseres i bagging og boosting. Poseteknikken er nyttig både for regresjon og statistikk.

2. Mindre effektiv i å forutsi resultatet av en kontinuerlig variabel

I tillegg er beslutningstrær mindre effektive i å komme med spådommer når hovedmålet er å forutsi resultatet av en kontinuerlig variabel. Dette er fordi beslutningstrær har en tendens til å miste informasjon når de kategoriserer variabler i flere kategorier.

Flere ressurser

Finance er den offisielle leverandøren av Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ -sertifisering. Certified Banking & Credit Analyst (CBCA) ™ akkreditering er en global standard for kredittanalytikere som dekker økonomi, regnskap, kredittanalyse, kontantstrømanalyse, paktmodellering, tilbakebetaling av lån og mer. sertifiseringsprogram, designet for å forvandle alle til en finansanalytiker i verdensklasse.

For å fortsette å lære og utvikle kunnskapen din om økonomisk analyse, anbefaler vi på det sterkeste de ekstra finansressursene nedenfor:

  • Uavhengige hendelser Uavhengige hendelser I statistikk og sannsynlighetsteori er uavhengige hendelser to hendelser der forekomsten av en hendelse ikke påvirker forekomsten av en annen hendelse
  • Flytskjema-maler Flytskjema-maler Flytskjemaer er gode for å beskrive forretningsprosesser kortfattet uten å gå på kompromiss med struktur og detaljer. Nedenfor er fire eksempler på flytskjema-maler
  • Gjensidig utelukkende begivenheter Gjensidig utelukkende begivenheter I statistikk og sannsynlighetsteori er to begivenheter gjensidig utelukkende hvis de ikke kan forekomme samtidig. Det enkleste eksempelet på gjensidig utelukkende
  • Tree Diagram Tree Diagram Et trediagram brukes i matematikk - nærmere bestemt i sannsynlighetsteori - som et verktøy for å beregne og gi en visuell fremstilling av

Siste innlegg