O que é o aprendizado de árvores de decisão?
O aprendizado de árvores de decisão usa um modelo preditivo com ramos informativos 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. Ao atingir cada elemento, seja via computador ou uma pessoa, deve -se determinar se ele se aplica ou não ao item de destino. Depois que cada ramo for explorada, as respostas podem ser usadas para determinar o valor.
Em essência, o aprendizado de árvores de decisão é o processo de resposta a 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 outro poderia perguntar se umO EM tem um preço melhor que o outro. Ao fazer todas essas perguntas, geralmente é possível determinar qual ação é estatisticamente mais benéfica. Responder uma pergunta pode levar a outra. Isso pode resultar em alguns ramos tendo muitos sub -ramos, enquanto outros são menos elaborados porque é fácil responder à pergunta. Perseguir o processo dessa maneira permite que o usuário desenvolva uma avaliação mais detalhada do item.
Outro uso possível do aprendizado de árvores de decisão é a categorização. Em vez de ter cada pergunta levar a uma única decisão, um corpo de informação é dividido em diferentes áreas, com base na resposta para cada ramo. Depois que todas as filiais foram categorizadas, o mesmo processo também pode ser executado em cada categoria.
O aprendizado de árvores de decisão normalmente progride a partir do nível superior. Não tendepara voltar atrás. Depois que uma pergunta foi totalmente respondida, geralmente não há necessidade de consultar novamente até que os resultados estejam sendo compilados.
Os resultados do aprendizado de árvores de decisão podem ser expressos de várias maneiras. Eles podem ser a resposta para uma pergunta sim ou não ou um número, como um preço ou um período de tempo. Os resultados também podem revelar a identidade de um determinado objeto e, assim, nomear a classe em que pertence.