Pohon keputusan adalah alat sokongan dengan struktur seperti pohon yang memodelkan kemungkinan hasil, kos sumber daya, utiliti, dan kemungkinan akibatnya. Pohon keputusan menyediakan cara untuk mengemukakan algoritma Algoritma (Algos) Algoritma (Algos) adalah sekumpulan arahan yang diperkenalkan untuk melaksanakan tugas. Algoritma diperkenalkan untuk mengautomasikan perdagangan untuk menjana keuntungan pada frekuensi yang mustahil bagi pedagang manusia dengan pernyataan kawalan bersyarat . Mereka merangkumi cabang-cabang yang mewakili langkah-langkah membuat keputusan yang dapat menghasilkan hasil yang baik.
Gambar 1. Pokok Keputusan Sederhana (Sumber)
Struktur carta alir merangkumi nod dalaman yang mewakili ujian atau atribut pada setiap peringkat. Setiap cabang bermaksud hasil untuk atribut, sementara jalan dari daun ke akar mewakili peraturan untuk klasifikasi.
Pokok keputusan adalah salah satu bentuk algoritma pembelajaran terbaik berdasarkan pelbagai kaedah pembelajaran. Mereka meningkatkan model ramalan dengan ketepatan, kemudahan dalam penafsiran, dan kestabilan. Alat-alat ini juga berkesan untuk menyesuaikan hubungan tidak linear kerana mereka mampu menyelesaikan cabaran yang sesuai dengan data, seperti regresi dan klasifikasi.
Ringkasan
- Pokok keputusan digunakan untuk menangani set data bukan linear dengan berkesan.
- Alat pohon keputusan digunakan dalam kehidupan nyata di banyak bidang, seperti kejuruteraan, perancangan sivil, undang-undang, dan perniagaan.
- Pokok keputusan boleh dibahagikan kepada dua jenis; pokok keputusan pemboleh ubah kategorik dan pemboleh ubah berterusan.
Jenis Keputusan
Terdapat dua jenis pokok keputusan utama yang berdasarkan pemboleh ubah sasaran, iaitu, pohon keputusan pemboleh ubah kategorik dan pohon keputusan pemboleh ubah berterusan
1. Pokok keputusan pemboleh ubah kategori
Pohon keputusan pemboleh ubah kategori merangkumi pemboleh ubah sasaran kategori yang terbahagi kepada kategori. Contohnya, kategori boleh ya atau tidak. Kategori bermaksud bahawa setiap peringkat proses keputusan jatuh ke dalam salah satu kategori, dan tidak ada pertaruhan.
2. Pokok keputusan pemboleh ubah berterusan
Pohon keputusan pemboleh ubah berterusan adalah pokok keputusan dengan pemboleh ubah sasaran berterusan. Sebagai contoh, pendapatan individu yang pendapatannya tidak diketahui dapat diramalkan berdasarkan maklumat yang ada seperti pekerjaan, umur, dan pemboleh ubah berterusan lain.
Aplikasi Pokok Keputusan
1. Menilai peluang pertumbuhan yang berpotensi
Salah satu penerapan keputusan adalah melibatkan penilaian peluang pertumbuhan perniagaan untuk perniagaan berdasarkan data sejarah. Data sejarah penjualan dapat digunakan dalam pohon keputusan yang dapat menyebabkan perubahan radikal dalam strategi perniagaan untuk membantu pengembangan dan pertumbuhan.
2. Menggunakan data demografi untuk mencari calon pelanggan
Aplikasi lain dari keputusan keputusan adalah dalam penggunaan data demografi Demografi Demografi merujuk kepada ciri sosio-ekonomi populasi yang digunakan perniagaan untuk mengenal pasti pilihan produk dan tingkah laku pembelian pelanggan. Dengan ciri pasaran sasaran mereka, syarikat dapat membina profil untuk pangkalan pelanggan mereka. untuk mencari calon pelanggan. Mereka dapat membantu dalam merampingkan anggaran pemasaran dan dalam membuat keputusan tepat mengenai pasar sasaran yang menjadi fokus perniagaan. Sekiranya tidak ada keputusan, perniagaan boleh menghabiskan pasar pemasarannya tanpa mempertimbangkan demografi tertentu, yang akan mempengaruhi pendapatan keseluruhannya.
3. Berfungsi sebagai alat sokongan dalam beberapa bidang
Pemberi pinjaman juga menggunakan pohon keputusan untuk meramalkan kemungkinan pelanggan gagal bayar pinjaman, dengan menerapkan generasi model ramalan menggunakan data masa lalu pelanggan. Penggunaan alat sokongan pohon keputusan dapat membantu pemberi pinjaman dalam menilai kelayakan kredit pelanggan untuk mencegah kerugian.
Pohon keputusan juga dapat digunakan dalam penyelidikan operasi dalam merancang logistik dan pengurusan strategi Pengurusan Strategik Pengurusan strategi adalah perumusan dan pelaksanaan tujuan dan inisiatif utama yang diambil oleh pengurusan tertinggi organisasi atas nama organisasi tersebut. Mereka dapat membantu dalam menentukan strategi yang sesuai yang akan membantu syarikat mencapai tujuan yang diinginkan. Bidang lain di mana pohon keputusan dapat diterapkan termasuk kejuruteraan, pendidikan, undang-undang, perniagaan, penjagaan kesihatan, dan kewangan.
Kelebihan Pokok Keputusan
1. Mudah dibaca dan ditafsirkan
Salah satu kelebihan pokok keputusan adalah bahawa hasilnya mudah dibaca dan ditafsirkan, tanpa memerlukan pengetahuan statistik. Contohnya, ketika menggunakan keputusan untuk menyampaikan maklumat demografi kepada pelanggan, kakitangan jabatan pemasaran dapat membaca dan menafsirkan perwakilan grafik data tanpa memerlukan pengetahuan statistik.
Data juga dapat digunakan untuk menghasilkan wawasan penting mengenai kemungkinan, biaya, dan alternatif untuk berbagai strategi yang dirumuskan oleh jabatan pemasaran.
2. Mudah disediakan
Berbanding dengan teknik keputusan yang lain, pohon keputusan mengambil sedikit usaha untuk penyediaan data. Pengguna, bagaimanapun, harus memiliki maklumat yang siap untuk membuat pemboleh ubah baru dengan kekuatan untuk meramalkan pemboleh ubah sasaran. Mereka juga dapat membuat klasifikasi data tanpa perlu membuat pengiraan yang kompleks. Untuk situasi yang rumit, pengguna dapat menggabungkan pokok keputusan dengan kaedah lain.
3. Pembersihan data kurang diperlukan
Kelebihan lain dari keputusan adalah bahawa, setelah pembolehubah dibuat, tidak banyak pembersihan data yang diperlukan. Kes kehilangan nilai dan outliers kurang memberi makna pada data pohon keputusan.
Kekurangan Pokok Keputusan
1. Sifat tidak stabil
Salah satu batasan pokok keputusan adalah bahawa sebahagian besarnya tidak stabil berbanding dengan peramal keputusan yang lain. Perubahan kecil dalam data dapat menghasilkan perubahan besar dalam struktur pohon keputusan, yang dapat menyampaikan hasil yang berbeda dari apa yang akan diterima pengguna dalam peristiwa biasa. Perubahan hasil yang dihasilkan dapat dikendalikan oleh algoritma pembelajaran mesin, seperti meningkatkan Boosting Boosting adalah algoritma yang membantu dalam mengurangkan varians dan bias dalam ensemble pembelajaran mesin. Algoritma ini membantu dalam penukaran pelajar yang lemah dan pengantungan Bagging (Bootstrap Aggregation) Pembelajaran mesin ensemble dapat dikategorikan sebagai pengantaraan dan peningkatan. Teknik bagging berguna untuk regresi dan statistik.
2. Kurang berkesan dalam meramalkan hasil pemboleh ubah berterusan
Di samping itu, pokok keputusan kurang berkesan dalam membuat ramalan apabila tujuan utamanya adalah untuk meramalkan hasil pemboleh ubah berterusan. Ini kerana pohon keputusan cenderung kehilangan maklumat ketika mengkategorikan pemboleh ubah menjadi beberapa kategori.
Lebih Banyak Sumber
Kewangan adalah pembekal rasmi Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certified Banking & Credit Analyst (CBCA) ™ akreditasi adalah standard global untuk penganalisis kredit yang merangkumi kewangan, perakaunan, analisis kredit, analisis aliran tunai, pemodelan perjanjian, pembayaran balik pinjaman, dan banyak lagi. program pensijilan, yang dirancang untuk mengubah sesiapa sahaja menjadi penganalisis kewangan bertaraf dunia.
Untuk terus belajar dan mengembangkan pengetahuan anda mengenai analisis kewangan, kami sangat mengesyorkan sumber kewangan tambahan di bawah:
- Peristiwa Bebas Peristiwa Bebas Dalam statistik dan teori kebarangkalian, peristiwa bebas adalah dua peristiwa di mana berlakunya satu peristiwa tidak mempengaruhi berlakunya kejadian lain
- Templat Flowchart Templat Flowchart Carta alir bagus untuk menerangkan proses perniagaan secara ringkas tanpa menjejaskan struktur dan perincian. Berikut adalah empat templat carta alir contoh
- Acara Saling Eksklusif Acara Saling Eksklusif Dalam statistik dan teori kebarangkalian, dua peristiwa saling eksklusif jika tidak dapat berlaku pada masa yang sama. Contoh termudah yang saling eksklusif
- Diagram Pokok Diagram Pokok Diagram pokok digunakan dalam matematik - lebih khusus lagi, dalam teori kebarangkalian - sebagai alat untuk membantu mengira dan memberikan gambaran visual
