Cos'è l'apprendimento degli alberi decisionali?
Decision Tree Learning utilizza un modello predittivo con rami informativi simili a un albero per raccogliere ipotesi e esprimere un giudizio sul valore di un elemento. Il sistema viene utilizzato per l'apprendimento automatico, le statistiche e il data mining. Gli alberi decisionali sono anche noti come regressioni o alberi di classificazione, a seconda dello scopo per i quali vengono utilizzati.
Il processo di apprendimento dell'albero decisionale comporta il passaggio da una filiale a ramo delle informazioni. Al raggiungimento di ciascun elemento, tramite computer o persona, deve essere determinato se si applica o meno all'articolo di destinazione. Una volta che ogni ramo è stato esplorato, le risposte possono essere utilizzate per determinare il valore.
In sostanza, l'apprendimento dell'albero decisionale è il processo di risposta alle domande. Ogni risposta sposta il processo fino a quando non vi sono abbastanza informazioni per prendere una decisione. Ad esempio, un albero semplice può iniziare chiedendo a quale di due oggetti acquistare. Una domanda può chiedere se l'oggetto è utile, mentre un altro potrebbe chiedere se unoEM ha un prezzo migliore dell'altro. Ponendo tutte queste domande, è in genere possibile determinare quale azione è statisticamente più vantaggiosa.
Anche l'apprendimento dell'albero decisionale esplora le seconde categorie. Rispondere a una domanda può portare a un'altra. Ciò potrebbe comportare che alcuni rami avessero molti rami secondari, mentre altri sono meno elaborati perché è facile rispondere alla domanda. Perseguire il processo in questo modo consente all'utente di sviluppare una valutazione più dettagliata dell'articolo.
Un altro possibile uso dell'apprendimento degli alberi decisionali è la categorizzazione. Piuttosto che avere ogni domanda conduce a un'unica decisione, un corpus di informazioni è diviso in diverse aree, in base alla risposta per ogni ramo. Una volta che tutti i rami sono stati classificati, lo stesso processo può essere eseguito anche in ciascuna categoria.
L'apprendimento degli alberi decisionali procede in genere dal livello superiore in basso. Non tendeper tornare indietro. Una volta che una domanda ha avuto una risposta completamente, di solito non è necessario riferirla fino a quando i risultati non vengono compilati.
I risultati dell'apprendimento degli alberi decisionali possono essere espressi in vari modi. Possono essere la risposta a una domanda sì o no o un numero come un prezzo o un periodo di tempo. I risultati possono anche rivelare l'identità di un determinato oggetto e quindi nominare la classe in cui appartiene.