決定木学習とは何ですか？

決定木学習では、ツリーに類似した情報分岐を備えた予測モデルを使用して、アイテムの値に関する仮定を収集し、判断します。 このシステムは、機械学習、統計、およびデータマイニングに使用されます。 デシジョンツリーは、使用目的に応じて、回帰ツリーまたは分類ツリーとも呼ばれます。

決定木の学習のプロセスには、情報の分岐から分岐への移動が含まれます。 コンピューターまたは人を介して、各要素に到達すると、ターゲット項目に適用されるかどうかを判断する必要があります。 各ブランチを調査したら、回答を使用して価値を判断できます。

本質的に、決定木学習は質問に答えるプロセスです。 各回答は、決定を下すのに十分な情報が得られるまでプロセスを進めます。 たとえば、単純なツリーは、2つのオブジェクトのどちらを購入するかを尋ねることから開始できます。 オブジェクトが有用かどうかを尋ねる質問と、あるアイテムの価格が他のアイテムよりも高いかどうかを尋ねる質問があります。 これらすべての質問をすることで、通常、どのアクションが統計的により有益であるかを判断できます。

決定木学習では、サブカテゴリも調査します。 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、いくつかのブランチが多くのサブブランチを持つようになりますが、他のブランチは質問に簡単に答えられるため、それほど複雑ではありません。 この方法でプロセスを追跡すると、ユーザーはアイテムのより詳細な評価を作成できます。

決定木学習のもう1つの可能な用途は、分類です。 各質問が単一の決定につながるのではなく、情報の本体は各ブランチの回答に基づいて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、各カテゴリで同じプロセスを実行することもできます。

通常、ディシジョンツリーの学習はトップレベルから下に向かって進行します。 バックトラックする傾向はありません。 質問に完全に回答すると、通常、結果がコンパイルされるまで、再度参照する必要はありません。

決定木学習の結果は、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」の質問に対する答え、または価格や期間などの数字である場合があります。 結果は、特定のオブジェクトの識別情報を明らかにし、そのオブジェクトが属するクラスに名前を付けることもあります。