Vad är Learning Tree Learning?

Beslutsträdets inlärning använder en prediktiv modell med informationsgrenar som liknar ett träd för att samla antaganden om och bedöma ett föremåls värde. Systemet används för maskininlärning, statistik och data mining. Beslutsträd kallas också regression eller klassificeringsträd, beroende på vilket syfte de används för.

Processen för inlärning av beslutsträd innebär att man går från gren till information. När man når varje element, antingen via dator eller person, måste det avgöras om det gäller målobjektet eller inte. När varje gren har utforskats kan svaren användas för att bestämma värde.

I huvudsak är beslutsträdinlärning processen att svara på frågor. Varje svar flyttar processen framåt tills det finns tillräckligt med information för att fatta ett beslut. Till exempel kan ett enkelt träd börja med att fråga vilket av två objekt att köpa. En fråga kan ställa sig om objektet är användbart, medan en annan kan fråga om en artikel har ett bättre pris än den andra. Genom att ställa alla dessa frågor är det vanligtvis möjligt att avgöra vilken åtgärd som är statistiskt mer fördelaktig.

Lärande av beslutsträd utforskar också underkategorier. Att besvara en fråga kan leda till en annan. Detta kan leda till att vissa grenar har många undergrenar, medan andra är mindre detaljerade eftersom det är lätt att svara på frågan. Genom att fortsätta processen på detta sätt kan användaren utveckla en mer detaljerad bedömning av föremålet.

En annan möjlig användning av inlärning av beslutsträd är kategorisering. I stället för att varje fråga leder till ett enda beslut, delas en mängd information in i olika områden, baserat på svaret för varje gren. När alla grenar har kategoriserats kan samma process också köras för varje kategori.

Lärande av beslutsträd framskrider vanligtvis från översta nivån och ner. Det tenderar inte att backtracka. När en fråga har besvarats fullt ut behöver det vanligtvis inte hänvisas till den igen förrän resultaten har sammanställts.

Resultaten av inlärning av beslutsträd kan uttryckas på olika sätt. De kan vara svaret på en ja eller nej fråga eller ett nummer som ett pris eller en tidsperiod. Resultat kan också avslöja identiteten hos ett visst objekt och därmed namnge klassen i vilket det hör till.