Mi a döntésfa tanulás?

A Döntés A fa tanulás egy prediktív modellt használ, amelynek információs ágak egy fához hasonlóak, hogy összegyűjtsék a feltételezéseket, és megítéljék az elem értékét.A rendszert gépi tanuláshoz, statisztikákhoz és adatbányászathoz használják.A döntési fákat regressziónak vagy osztályozási fáknak is nevezik, attól függően, hogy milyen célt használnak.Az egyes elemek elérésekor, akár számítógépen, akár személyen keresztül, meg kell határozni, hogy vonatkozik -e a cél elemre.Miután minden egyes ágot feltártak, a válaszok felhasználhatók az érték meghatározására.Mindegyik válasz tovább mozgatja a folyamatot, amíg elegendő információ van a döntés meghozatalához.Például egy egyszerű fa elindulhat azzal, hogy megkérdezi a két objektum vásárlását.Az egyik kérdés felteheti, hogy az objektum hasznos -e, míg a másik megkérdezheti, hogy az egyik elemnek jobb ára van -e, mint a másik.Ha felteszi ezeket a kérdéseket, általában meg lehet határozni, hogy mely művelet statisztikailag előnyösebb.Az egyik kérdés megválaszolása a másikhoz vezethet.Ennek eredményeként egyes ágaknak sok al ága van, míg mások kevésbé bonyolultak, mert könnyű megválaszolni a kérdést.A folyamat ilyen módon történő folytatása lehetővé teszi a felhasználó számára, hogy részletesebben értékelje a tételet.

A döntésfa tanulásának további lehetséges használata a kategorizálás.Ahelyett, hogy az egyes kérdések egyetlen döntéshez vezetnének, az információt különféle területekre osztják, az egyes ágokra adott válasz alapján.Miután az összes ágot kategorizálták, ugyanazt a folyamatot lehet futtatni az egyes kategóriákon is.Nem hajlamos visszahúzni.Miután egy kérdésre teljesen megválaszolták, általában nem kell újra hivatkozni, amíg az eredményeket össze nem állítják.

A döntésfa tanulásának eredményei különféle módon fejezhetők ki.Lehet, hogy a válasz egy igen vagy nem kérdésre, vagy olyan számra, mint például az ár vagy egy idő.Az eredmények feltárhatják egy bizonyos objektum azonosságát is, és így megnevezhetik azt az osztályt, amelybe tartozik.