決策樹

決策樹(Decision Tree）是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大于等于零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由于這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。Entropy = 系統的凌亂程度，使用算法ID3, C4.5和C5.0生成樹算法使用熵。這一度量是基于信息學理論中熵的概念。

決策樹是一種樹形結構，其中每個內部節點表示一個屬性上的測試，每個分支代表一個測試輸出，每個葉節點代表一種類別。

一個決策樹包含了三種類型的節點：決策結點、機會結點、終結點。
決策結點：用方框表示，是對幾種可能方案的選擇，即最后選擇的最佳方案。如果決策屬于多級決策，則決策樹的中間可以有多個決策點，以決策樹根部的決策點為最終決策方案。
機會結點：用三角形表示，代表備選方案的經濟效果（期望值），通過各狀態節點的經濟效果的對比，按照一定的決策標準就可以選出最佳方案。由狀態節點引出的分支稱為概率枝，概率枝的數目表示可能出現的自然狀態數目每個分枝上要注明該狀態出現的概率。
終結點：用三角形表示，將每個方案在各種自然狀態下取得的損益值標注于結果節點的右端。

決策表

決策表又稱判斷表，是一種呈表格狀的圖形工具，適用于描述處理判斷條件較多，各條件又相互組合、有多種決策方案的情況。精確而簡潔描述復雜邏輯的方式，將多個條件與這些條件滿足后要執行動作相對應。但不同于傳統程序語言中的控制語句，決策表能將多個獨立的條件和多個動作直接的聯系清晰的表示出來。

用表格的方式描述決策問題一種方法，這種表格也被稱為決策矩陣。
決策表是指一個以行、列形式來描述和表示決策規則和知識信息的表，如果決策問題的后果是用損失的費用表示，這個表也被稱為損失矩陣。

決策表一般分為4個部分。 每個條件對應一個變量、關系或預測，“候選條件”就是它們所有可能的值；動作指要執行的過程或操作；動作入口指根據該入口所對應的候選條件集，是否或按怎樣的順序執行動作。　許多決策表在候選條件中使用“不關心”符號來化簡決策表，尤其是當某一條件對應要執行的動作影響很小時。有時，所有的條件在開始時都被認為是重要的，但最后卻發現沒有一個條件對執行的動作有影響，都是無關的條件。
在這4個部分的基礎上，決策表根據候選條件和動作入口的表現方法的變化而變化。有些決策表使用true/false作為候選條件值(類似與if-then-else)，有些使用數字(類似于switch-case)，有些甚至使用模糊值或概率值。對應動作入口，可以簡單的表示為動作是否執行(檢查動作執行)，或更高級些，羅列出要執行的動作(為執行的動作排序)。

總結

以上是生活随笔為你收集整理的决策树与决策表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。