Co je to učení stromu rozhodování?

Rozhodování o stromech Tree Učení používá prediktivní model s informačními pobočkami podobnými stromu, aby shromáždil předpoklady a učinil úsudek o hodnotě položky.Systém se používá pro strojové učení, statistiku a těžbu dat.Rozhodovací stromy jsou také známé jako regrese nebo klasifikační stromy, v závislosti na účelu, pro který jsou používány.Po dosažení každého prvku, ať už prostřednictvím počítače nebo osoby, musí být stanoveno, zda se to vztahuje na cílovou položku.Jakmile je každá větev prozkoumána, lze odpovědi použít k určení hodnoty.Každá odpověď posouvá proces vpřed, dokud není dostatek informací, aby se rozhodlo.Například jednoduchý strom může začít tím, že se zeptáte, který ze dvou objektů koupit.Jedna otázka se může zeptat, zda je objekt užitečný, zatímco druhý se může zeptat, zda má jedna položka lepší cenu než druhá.Položením všech těchto otázek je obvykle možné určit, která akce je statisticky výhodnější.Odpověď na jednu otázku může vést k druhé.To by mohlo vést k tomu, že některé větve mají mnoho sub větví, zatímco jiné jsou méně propracované, protože je snadné odpovědět na otázku.Provádění procesu tímto způsobem umožňuje uživateli vyvinout podrobnější posouzení položky.

Dalším možným použitím učení stromu rozhodování je kategorizace.Spíše než mít každou otázku vede k jedinému rozhodnutí, soubor informací je rozdělen do různých oblastí na základě odpovědi pro každou větev.Jakmile jsou všechny pobočky kategorizovány, může být stejný proces spuštěn také v každé kategorii.

Učení stromu rozhodování obvykle postupuje z nejvyšší úrovně dolů.Nemá tendenci ustoupit.Jakmile je otázka plně zodpovězena, obvykle na ni není třeba ji znovu odkazovat, dokud se výsledky nebudou sestavovat.

Výsledky učení stromu rozhodování lze vyjádřit různými způsoby.Mohou to být odpověď na otázku ano nebo ne nebo na číslo, jako je cena nebo doba.Výsledky mohou také odhalit identitu určitého objektu, a tak pojmenovat třídu, ve které patří.