Video: The Choice is Ours (2016) Official Full Version 2025
Et beslutningstræ er en tilgang til prædiktiv analyse, der kan hjælpe dig med at træffe beslutninger. Antag for eksempel, at du skal beslutte, om du skal investere en vis sum penge i en af tre forretningsprojekter: en fødevareforretning, en restaurant eller en boghandel.
En forretningsanalytiker har udarbejdet svigten eller succesen for hver af disse forretningsideer som procentdele og det overskud, du ville gøre i hvert enkelt tilfælde.
| Forretning | Succesfrekvens | Fejlfrekvens |
|---|---|---|
| Fødevarevogn | 60 procent | 40 procent |
| Restaurant | 52 procent | 48 procent < Boghandel |
| 50 procent | 50 procent | Forretning |
| Gain (USD) | Tab (USD) | Fødevarer Lastbil |
|---|---|---|
| 20, 000 | -7, 000 < Restaurant | 40, 000 |
| -21, 000 | Boghandel | 6, 000 |
| -1, 000 |
|
Fra tidligere viste statistiske data kan du konstruere et beslutnings træ som vist nedenfor. |
forventet værdi
for hvert alternativ - en nummereret rang, der hjælper dig med at vælge den bedste. Den forventede værdi beregnes på en sådan måde, at den indeholder alle mulige resultater for en beslutning. Beregning af den forventede værdi for fødevarebilens forretningsidé ser sådan ud:
Forventet værdi af fødevareforretningsvirksomhed = (60 procent x 20 000 (USD)) + (40 procent * -7, 000 (USD)) = 9, 200 (USD) > Her afspejler den forventede værdi den gennemsnitlige gevinst ved at investere i en fødevareforretning. I dette scenario - selvfølgelig - hvis du forsøger at investere i fødevarevirksomheder flere gange (under de samme omstændigheder hver gang), bliver din gennemsnitlige fortjeneste 9, 200 (USD) pr. Virksomhed.
Du kan derfor beregne de forventede værdier for en restaurantvirksomhed og boghandel på samme måde som følger:Forventet værdi af restaurantvirksomhed = (52 procent x 40 000 (USD)) + (48 procent * - 21, 000 (USD)) = 10, 720 (USD)
Forventet værdi af boghandelvirksomhed = (50 procent x 6, 000 (USD)) + (50 procent * -1, 000 (USD)) = 2, 500 (USD)
Den forventede værdi af en restaurantvirksomhed repræsenterer en forudsigelse af, hvor meget fortjeneste du ville gøre (i gennemsnit), hvis du investerede flere gange i en restaurantvirksomhed. Derfor bliver den forventede værdi et af de kriterier, du regner med i din beslutningsproces. I dette eksempel kan de forventede værdier af de tre alternativer hælde dig for at investere i restaurantbranchen.
Beslutningstræer kan også bruges til at visualisere klassifikationsregler (som dem, der er nævnt i det tidligere eksempel på online-butiksbutikken).
En beslutningsalgoritme genererer et beslutningstræ, der repræsenterer klassificeringsregler. I eksempelet for watch-butikken vil du forudsige, om en bestemt kunde vil købe et ur fra din butik; Beslutningstræet vil i det væsentlige være et rutediagram: Hvert
knudepunkt
af beslutetræet repræsenterer en egenskab, der er identificeret i datamatrixen. Træets blade er de forudsagte beslutninger.
Dette beslutningstræ forudsiger, om en kunde måske køber et givet ur på online-butikken. Noden i dette beslutningstræ repræsenterer nogle af de attributter, du analyserer; hver er en score - af kundeinteresse i ure, kundealder og kundeløn. Anvendelsen af modellen til en ny kunde X kan du spore en sti fra roden af træet ned til et beslutentræs blad (ja eller nej), der angiver og kortlægger, hvordan denne kunde ville opføre sig mod uret, der annonceres.
