决策树法简介
什么是决策树法？
什么是决策树法？
决策树是一种常用于预测模型的算法，它可以通过有目的地对大量数据进行分类，找到一些有价值的、潜在的信息。 其主要问题是： id3非递增学习算法；id决策树是单变量决策树，复杂概念表达难；同性关系强调不够；抗噪能力差。对于上述问题，有许多更好的改进算法，例如 schlimmer和fisher设计了id4增量学习算法钟鸣，陈文伟等ible算法等。
管理学决策树法？
决策树法是一种风险导向的决策方法，它利用概率的方法来比较决策中的不同方案，从而获得最优方案。
其基本原则是用决策点代表决策问题，用方案分支代表可选方案，用概率分支代表方案可能产生的各种结果。在计算和比较各种结果条件下各种方案的损益值后，为决策者提供决策依据。
决策树分析方法？
决策树分析是指在分析每个决策或事件（即自然状态）时，导致两个或多个事件和不同的结果，并将决策或事件的分支绘制成图形。这个数字非常像一棵树的树枝，所以它被称为决策树分析。
决策树法的几个关键步骤是：
（1）绘制决策树。绘制决策树的过程是仔细思考和预测未来可能发生的各种事件的过程，并用树状图表示这些情况。首先绘制决策点，然后找到方案分支和方案点。最后，绘制概率分支。
(2)概率值由专家估计法或试验数据计算。并将概率写在概率分支上。
(3)计算损益的预期值，从树梢开始，从右到左进行。用期望值法计算。如果决策目标是盈利，比较每个分支，取预期值最大的分支，修剪其他分支。
决策树分析方法？
决策树是一种通过图表列出解决问题的相关步骤以及每个步骤的条件和结果的方法。决策树不仅可以帮助人们理解问题，还可以帮助人们解决问题。
决策树通常是从上到下产生的。每个决策或事件（即自然状态）都可能导致两个或两个以上的事件，导致不同的结果。将这种决策分支画成图形非常像树的树枝，因此它被称为决策树。