決定ツリー学習とは何ですか？

decision意思決定ツリー学習は、ツリーと同様の情報分岐を備えた予測モデルを使用して、アイテムの価値について仮定を収集し、判断します。このシステムは、機械学習、統計、データマイニングに使用されます。意思決定ツリーは、使用される目的に応じて、回帰または分類ツリーとしても知られています。コンピューター経由であろうと人であろうと、各要素に到達すると、ターゲットアイテムに適用されるかどうかを決定する必要があります。各ブランチが調査されると、答えを使用して価値を決定できます。各回答は、決定を下すのに十分な情報があるまでプロセスを前方に移動します。たとえば、単純なツリーは、購入する2つのオブジェクトのどれを尋ねることから始めることができます。1つの質問は、オブジェクトが有用であるかどうかを尋ねるかもしれませんが、あるアイテムが他のアイテムよりも優れた価格を持っているかどうかを尋ねることができます。これらすべての質問をすることにより、どのアクションが統計的により有益であるかを決定することが通常可能です。ある質問に答えると、別の質問につながる可能性があります。これにより、多くのサブブランチがある分岐がある場合もあれば、質問に簡単に答えることができるため、あまり手の込まされていません。この方法でプロセスを追求することで、ユーザーはアイテムのより詳細な評価を作成できます。decision意思決定ツリー学習のもう1つの使用可能な使用は、分類です。各質問を1つの決定につなげるのではなく、各ブランチの答えに基づいて、一連の情報が異なる領域に分割されます。すべてのブランチが分類されると、同じプロセスも各カテゴリで実行される場合があります。バックトラックする傾向はありません。質問が完全に回答されると、通常、結果が編集されるまで再度参照する必要はありません。decision意思決定の結果は、さまざまな方法で表現できます。それらは、はいまたは「いいえ」の質問、または価格や一定期間などの数字に対する答えかもしれません。また、結果は特定のオブジェクトのアイデンティティを明らかにし、したがって、それが属するクラスに名前を付けます。