决策树法PPT文档格式.pptx

决策树法PPT文档格式.pptx

《决策树法PPT文档格式.pptx》由会员分享，可在线阅读，更多相关《决策树法PPT文档格式.pptx（15页珍藏版）》请在冰豆网上搜索。

一般用方形框表示：

一般用方形框表示决策者在这里对各决策者在这里对各行动方案进行选择行动方案进行选择.方案枝方案枝：

由决策点引出的代：

由决策点引出的代表行动方案的线段表行动方案的线段.机会点机会点：

方案枝末端的圆：

方案枝末端的圆.状态枝状态枝：

由机会点引出的代：

由机会点引出的代表可能发生的状态表可能发生的状态的线段的线段.后果点后果点：

状态枝末端的三角：

状态枝末端的三角形形.d1d2d3P（h1）P（h2）P（h1）P（h2）P（h1）P（h2）l（d1,h1）l（d1,h2）l（d2,h1）l（d2,h2）l（h3,h1）l（h3,h2）决策树的一般表示：

决策树的一般表示：

d1,d2,d3表示表示3种行动方案种行动方案.P（h1）,P（h2）表示表示2种可能状态种可能状态的概率，的概率，l（d,h）（或或q（d,h）则则表示损益函数的值表示损益函数的值.之后先之后先计算出损益函数的均值写在计算出损益函数的均值写在机会点上，再根据决策目标机会点上，再根据决策目标选择最优方案，选择最优方案，最后剪去其最后剪去其他方案他方案.决策树的剪枝决策树的剪枝剪枝是决策树停止分支的方法之一，剪枝有分预先剪枝和后剪枝两种。

决策树的剪枝决策树的剪枝预先剪枝是在树的生长过程中设定一个指标，当达到该指标时就停止生长，这样做容易产生“视界局限”，就是一旦停止分支，使得节点N成为叶节点，就断绝了其后继节点进行“好”的分支操作的任何可能性。

不严格的说这些已停止的分支会误导学习算法，导致产生的树不纯度降差最大的地方过分靠近根节点。

决策树的剪枝决策树的剪枝后剪枝中树首先要充分生长，直到叶节点都有最小的不纯度值为止，因而可以克服“视界局限”。

然后对所有相邻的成对叶节点考虑是否消去它们，如果消去能引起令人满意的不纯度增长，那么执行消去，并令它们的公共父节点成为新的叶节点。

这种“合并”叶节点的做法和节点分支的过程恰好相反，经过剪枝后叶节点常常会分布在很宽的层次上，树也变得非平衡。

1.1.明确明确问题的决策目标，所有行动方案，所有问题的决策目标，所有行动方案，所有可能状态，状态分布列，损益函数的所有取值；

可能状态，状态分布列，损益函数的所有取值；

2.2.从从左到右依次画出决策点，方案枝，机会点，左到右依次画出决策点，方案枝，机会点，机会枝后果点，并标注；

机会枝后果点，并标注；

3.3.计算计算并标注机会点的值；

并标注机会点的值；

4.4.根据根据决策目标选择最优方案，并剪去其他方案决策目标选择最优方案，并剪去其他方案枝枝.绘制决策树的步骤：

绘制决策树的步骤：

为了适应市场的需要，某地准备扩大电视机生产。

市场预测表明：

产品销路好的概率为0.7；

销路差的概率为0.3。

备选方案有三个：

第一个方案是建设大工厂，需要投资600万元，可使用10年；

如销路好，每年可赢利200万元；

如销路不好，每年会亏损40万元。

第二个方案是建设小工厂，需投资280万元；

如销路好，每年可赢利80万元；

如销路不好，每年也会赢利60万元。

第三个方案也是先建设小工厂，但是如销路好，3年后扩建，扩建需投资400万元，可使用7年，扩建后每年会赢利190万元。

试作出决策。

实例实例实例实例计算各点期望值：

计算各点期望值：

点点：

0.720010+0.30.720010+0.3（-40-40）10-60010-600（投资）（投资）=680=680（万万元元）点点：

1.01907-400=9301.01907-400=930（万元）（万元）点点：

1.0807=5601.0807=560（万元（万元）比较决策点比较决策点44的情况可以的情况可以看到看到由于由于点点（930930万元）与点万元）与点（560560万元）相比，点万元）相比，点的期望利的期望利润值较大，因此应采用扩建的方案，而舍弃不扩建的方案润值较大，因此应采用扩建的方案，而舍弃不扩建的方案。

解：

把把点点的的930930万元移到点万元移到点44来，可计算出点来，可计算出点的期望利润值的期望利润值。

0.7803+0.7930+0.3600.7803+0.7930+0.360（3+73+7）-280=719-280=719（万元）最后比较决策点（万元）最后比较决策点11的情况。

由于点的情况。

由于点（719719万元）与点万元）与点（680680万元）相比，点万元）相比，点的期望利润值较大，因此取点的期望利润值较大，因此取点而而舍点舍点。

这样，相比之下，建设大工厂的方案不是最优方案，合理的策略应采用前3年建小工厂，如销路好，后7年进行扩建的方案。

决策树易于理解和实现，人们在在学习决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解特点，只要通过解释后都有能力去理解决策树所表达的意义。

决策树所表达的意义。

对于决策树，数据的准备往往是简单或对于决策树，数据的准备往往是简单或者是不必要的，而且能够同时处理数据者是不必要的，而且能够同时处理数据型和常规型属性，在相对短的时间内能型和常规型属性，在相对短的时间内能够对大型数据源做出可行且效果良好的够对大型数据源做出可行且效果良好的结果。

结果。

易于通过静态测试来对模型进行评测，易于通过静态测试来对模型进行评测，可以测定模型可信度；

如果给定一个观可以测定模型可信度；

如果给定一个观察的模型，那么根据所产生的决策树很察的模型，那么根据所产生的决策树很容易推出相应的逻辑表达式。

容易推出相应的逻辑表达式。

优优优优点点点点小结小结1）对连续性的字段比较难预测。

对连续性的字段比较难预测。

2）对有时间顺序的数据，需要很多对有时间顺序的数据，需要很多预处理的工作。

预处理的工作。

3）当类别太多时，错误可能就会增当类别太多时，错误可能就会增加的比较快。

加的比较快。

4）一般的算法分类的时候，只是根一般的算法分类的时候，只是根据一个字段来分类。

据一个字段来分类。

小结小结缺缺缺缺点点点点