Was ist Entscheidungsbaumlernen?
Beim Lernen von Entscheidungsbäumen wird ein Vorhersagemodell mit baumähnlichen Informationszweigen verwendet, um Annahmen über den Wert eines Elements zu sammeln und ein Urteil darüber abzugeben. Das System wird für maschinelles Lernen, Statistik und Data Mining verwendet. Entscheidungsbäume werden je nach Verwendungszweck auch als Regressions- oder Klassifizierungsbäume bezeichnet.
Der Prozess des Lernens von Entscheidungsbäumen umfasst den Übergang von Zweig zu Zweig von Informationen. Bei Erreichen jedes Elements, sei es über einen Computer oder eine Person, muss festgestellt werden, ob es für den Zielgegenstand gilt oder nicht. Sobald jeder Zweig erkundet wurde, können die Antworten verwendet werden, um den Wert zu bestimmen.
Entscheidungs- baumlernen ist im Wesentlichen der Prozess der Beantwortung von Fragen. Jede Antwort schiebt den Prozess vorwärts, bis genügend Informationen vorhanden sind, um eine Entscheidung zu treffen. Zum Beispiel kann ein einfacher Baum damit beginnen, zu fragen, welches von zwei Objekten gekauft werden soll. Eine Frage könnte fragen, ob das Objekt nützlich ist, während eine andere fragen könnte, ob ein Gegenstand einen besseren Preis als der andere hat. Wenn Sie all diese Fragen stellen, können Sie in der Regel feststellen, welche Aktion statistisch vorteilhafter ist.
Beim Lernen von Entscheidungsbäumen werden auch Unterkategorien untersucht. Die Beantwortung einer Frage kann zu einer anderen führen. Dies könnte dazu führen, dass einige Zweige viele Unterzweige haben, während andere weniger ausführlich sind, da die Frage leicht zu beantworten ist. Wenn der Prozess auf diese Weise fortgesetzt wird, kann der Benutzer eine detailliertere Bewertung des Artikels vornehmen.
Eine andere mögliche Verwendung des Lernens von Entscheidungsbäumen ist die Kategorisierung. Anstatt dass jede Frage zu einer einzigen Entscheidung führt, wird eine Informationsmenge auf der Grundlage der Antwort für jeden Zweig in verschiedene Bereiche unterteilt. Sobald alle Zweige kategorisiert wurden, kann derselbe Prozess auch für jede Kategorie ausgeführt werden.
Das Lernen im Entscheidungsbaum schreitet normalerweise von der obersten Ebene abwärts voran. Es besteht keine Tendenz zum Zurückverfolgen. Nachdem eine Frage vollständig beantwortet wurde, muss sie in der Regel erst wieder aufgerufen werden, wenn die Ergebnisse zusammengestellt wurden.
Die Ergebnisse des Lernens von Entscheidungsbäumen können auf verschiedene Arten ausgedrückt werden. Sie können die Antwort auf eine Ja- oder Nein-Frage oder eine Zahl wie einen Preis oder einen Zeitraum sein. Die Ergebnisse können auch die Identität eines bestimmten Objekts enthüllen und somit die Klasse benennen, zu der es gehört.