O que é o aprendizado em árvore de decisão?
O aprendizado da árvore de decisão usa um modelo preditivo com ramificações informativas semelhantes a uma árvore para reunir suposições e fazer um julgamento sobre o valor de um item. O sistema é usado para aprendizado de máquina, estatísticas e mineração de dados. As árvores de decisão também são conhecidas como árvores de regressão ou classificação, dependendo da finalidade para a qual são usadas.
O processo de aprendizado da árvore de decisão envolve a mudança de ramo para ramo de informação. Ao chegar a cada elemento, seja por computador ou por uma pessoa, é necessário determinar se ele se aplica ou não ao item de destino. Depois de explorar cada ramo, as respostas podem ser usadas para determinar o valor.
Em essência, o aprendizado da árvore de decisão é o processo de responder perguntas. Cada resposta avança o processo até que haja informações suficientes para tomar uma decisão. Por exemplo, uma árvore simples pode começar perguntando qual dos dois objetos comprar. Uma pergunta pode perguntar se o objeto é útil, enquanto outra pode perguntar se um item tem um preço melhor que o outro. Ao fazer todas essas perguntas, normalmente é possível determinar qual ação é estatisticamente mais benéfica.
O aprendizado em árvore de decisão também explora subcategorias. Responder a uma pergunta pode levar a outra. Isso pode resultar em alguns ramos com muitos sub ramos, enquanto outros são menos elaborados porque é fácil responder à pergunta. Prosseguir o processo dessa maneira permite ao usuário desenvolver uma avaliação mais detalhada do item.
Outro possível uso do aprendizado da árvore de decisão é a categorização. Em vez de cada pergunta levar a uma única decisão, um corpo de informações é dividido em diferentes áreas, com base na resposta de cada ramo. Depois que todas as ramificações forem categorizadas, o mesmo processo também poderá ser executado em cada categoria.
O aprendizado da árvore de decisão geralmente progride do nível superior para baixo. Não costuma recuar. Depois que uma pergunta é totalmente respondida, geralmente não há necessidade de consultá-la novamente até que os resultados estejam sendo compilados.
Os resultados do aprendizado da árvore de decisão podem ser expressos de várias maneiras. Eles podem ser a resposta para uma pergunta do tipo sim ou não ou para um número como preço ou período de tempo. Os resultados também podem revelar a identidade de um determinado objeto e, assim, nomear a classe na qual ele pertence.