Was lernt Entscheidungsbaum?
Entscheidungsbaumlernen verwendet ein prädiktives Modell mit Informationszweigen, die einem Baum ähneln, um Annahmen zu sammeln und über den Wert eines Elements ein Urteil zu fällen. Das System wird für maschinelles Lernen, Statistiken und Data Mining verwendet. Entscheidungsbäume werden auch als Regressions- oder Klassifizierungsbäume bezeichnet, abhängig von dem Zweck, für den sie verwendet werden.
Der Prozess des Entscheidungsbaumlernens beinhaltet den Übergang von Zweig zum Zweig der Information. Wenn Sie jedes Element erreichen, ob über Computer oder eine Person, muss festgelegt werden, ob es für das Zielelement gilt oder nicht. Sobald jeder Zweig untersucht wurde, können die Antworten verwendet werden, um den Wert zu bestimmen. Jede Antwort bewegt den Prozess vorwärts, bis genügend Informationen vorhanden sind, um eine Entscheidung zu treffen. Beispielsweise kann ein einfacher Baum zunächst fragen, welcher von zwei Objekten zu kaufen ist. Eine Frage kann sich stellen, ob das Objekt nützlich ist, während eine andere fragen könnte, ob eine es istEm hat einen besseren Preis als der andere. Wenn Sie all diese Fragen stellen, ist es in der Regel möglich, festzustellen, welche Aktion statistisch vorteilhafter ist. Die Beantwortung einer Frage kann zu einer anderen führen. Dies könnte dazu führen, dass einige Zweige viele Subzweige haben, während andere weniger ausführlich sind, da es einfach ist, die Frage zu beantworten. Durch die Verfolgung des Prozesses auf diese Weise kann der Benutzer eine detailliertere Bewertung des Elements entwickeln.
Eine weitere mögliche Verwendung des Entscheidungsbaumlernens ist die Kategorisierung. Anstatt dass jede Frage zu einer einzigen Entscheidung führt, wird eine Information in verschiedenen Bereichen unterteilt, basierend auf der Antwort für jeden Zweig. Sobald alle Zweige kategorisiert wurden, kann der gleiche Prozess auch in jeder Kategorie ausgeführt werden.
Entscheidungsbaumlernen entwickelt sich normalerweise von der oberen Ebene nach unten. Es neigt nichtBacktrack. Sobald eine Frage vollständig beantwortet wurde, müssen normalerweise nicht wieder darauf verweisen, bis die Ergebnisse zusammengestellt werden.
Die Ergebnisse des Entscheidungsbaumlernens können auf verschiedene Weise ausgedrückt werden. Sie können die Antwort auf eine Ja oder keine Frage oder eine Zahl wie einen Preis oder eine Zeitspanne sein. Die Ergebnisse können auch die Identität eines bestimmten Objekts zeigen und somit die Klasse nennen, in die es gehört.