决策树和决策表

决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。

决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。

一个决策树包含三种类型的节点：

决策节点：通常用矩形框来表示

机会节点：通常用圆圈来表示

终结点：通常用三角形来表示

优点：

1.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决策树所表达的意义。 

2.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结果。 

3.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。

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。

决策表是把作为条件的所有输入的各种组合值以及对应输出值都罗列出来而形成的表格。      

它能够将复杂的问题按照各种可能的情况全部列举出来，简明并避免遗漏。因此，利用决策表能够设计出完整的测试用例集合。

决策表通常由条件桩(Conditions)、条件项(Condition Alternatives)、动作桩(Actions)和动作项(Action Entries)4部分组成。

 规则：任何一个条件组合的特定取值及其相应要执行的操作。在决策表中贯穿条件项和动作项的一列就是一条规则。显然，决策表中列出多少组条件取值，也就有多少规则，条件项和动作项就有多少列。

 

1.决策表的测试：

决策表的条件是真值表

保证能够考虑了所有可能的条件组合

使用决策表标识测试用例，能够保证一种完备的测试

为了使用决策表标识测试用例，我们把条件解释为输入，把行动解释为输出。

决策表是说明性的，给出的条件没有特别的顺序，而且所选择的行动发生时也没有任何特定顺序

2.决策表的构造及化简

<1>构造决策表可采用以下5个步骤：

（1）列出所有的条件桩和动作桩。

（2）确定动作规则(条件项)的个数。

（3）填入条件项。

（4）填入动作项，得到初始决策表。

（5）简化决策表，合并相似规则。

<2>决策表的化简

对于n个条件的决策表，相应有2n个规则（每个条件分别取真、假值），当n较大时，决策表很繁琐。实际使用决策表时，常常先将它简化。决策表的简化是以合并相似规则为目标。即若表中有两条以上规则具有相同的动作，并且在条件项之间存在极为相似的关系，便可以合并。