决策树

什么是决策树？

　　决策树(decision tree) 一般都是自上而下的来生成的。每个决策 或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。。择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。

　　从根到叶子节点都有一条路径，这条路径就是一条“规则”。

　　决策树可以是二叉的，也可以是多叉的。

　　对每个节点的衡量：

　　1) 通过该节点的记录数

　　2) 如果是叶子节点的话，分类的路径

　　3) 对叶子节点正确分类的比例

　　有些规则的效果可以比其他的一些规则要好。

　　决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图。

决策树的构成要素^[1]

　　决策树的构成有四个要素：(1)决策结点；(2)方案枝；(3)状态结点；(4)概率枝

总之，决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结 点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概 率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图 由左向右，由简到繁展开，组成一个树状网络图 。

 

决策树对于常规统计方法的优缺点

　　优点：

　　1)　可以生成可以理解的规则；

　　2)　计算量相对来说不是很大；

　　3) 可以处理连续和种类字段；

　　4) 决策树可以清晰的显示哪些字段比较重要。

　　缺点：

　　1) 对连续性的字段比较难预测 ；

　　2) 对有时间顺序的数据，需要很多预处理的工作；

　　3) 当类别太多时，错误可能就会增加的比较快；

　　4) 一般的算法分类的时候，只是根据一个字段来分类。

 

决策树的适用范围^[1]

　　科学的决策是现代管理者的一项重要职责。我们在企业管理实践中，常遇到的情景是：若干个可行性方案制订出来了，分析一下企业内、外部环境，大部 分条件是己知的，但还存在一定的不确定因素。每个方案的执行都可能出现几种结果，各种结果的出现有一定的概率，企业决策存在着一定的胜算，也存在着一定的风险 。这时，决策的标准只能是期望值 。即，各种状态下的加权平均值。

　　针对上述问题，用决策树法来解决不失为一种好的选择。

　　决策树法作为一种决策技术，已被广泛地应用于企业的投资决策 之中，它是随机决策模型中最常见、最普及的一种规策模式和方法此方法，有效地控制了决策带来的风险。所谓决策树法，就是运用树状图 表示各决策的期望值，通过计算，最终优选出效益最大、成本最小的决策方法。决策树法属于风险型决策方法 ，不同于确定型决策方法 ，二者适用的条件也不同。应用决策树决策方法必须具备以下条件：

　　①具有决策者期望达到的明确目标；

　　②存在决策者可以选择的两个以上的可行备选方案；

　　⑧存在着决策者无法控制的两种以上的自然状态(如气候变化、市场行情、经济发展动向等)；

　　④不同行动方案在不同自然状态下的收益值或损失值(简称损益值)可以计算出来；

　　⑤决策者能估计出不同的自然状态发生概率。

 

决策树的决策程序^[1]

　　决策树法的决策程序如下：

　　(1)绘制树状图，根据已知条件排列出各个方案和每一方案的各种自然状态。

　　(2)将各状态概率及损益值标于概率枝上。

　　(3)计算各个方案期望值并将其标于该方案对应的状态结点上。

　　(4)进行剪枝，比较各个方案的期望值，并标于方案枝上，将期望值小的(即劣等方案剪掉)所剩的最后方案为最佳方案。