Файл: Недостатки дерева решении Дерево решений это один из алгоритмов машинного обучения. Алгоритм основан на правиле Если, то.pptx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.01.2024
Просмотров: 24
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Недостатки дерева решении
Дерево решений — это один из алгоритмов машинного обучения. Алгоритм основан на правиле: «Если <условие>, то <ожидаемый результат>».
Что такое дерево решений?
Дерево решений часто используют в банковском секторе и в тех сферах, где применяют скрипты для общения с клиентами и нужно управлять процессами принятия решений. Пример такой сферы — финансовые услуги, где банки и страховые компании проверяют информацию о клиенте в строгой последовательности, чтобы оценить риски перед заключением договора.
Дерево решений — это один из алгоритмов машинного обучения. Алгоритм основан на правиле: «Если <условие>, то <ожидаемый результат>».
Дерево решений часто используют в банковском секторе и в тех сферах, где применяют скрипты для общения с клиентами и нужно управлять процессами принятия решений. Пример такой сферы — финансовые услуги, где банки и страховые компании проверяют информацию о клиенте в строгой последовательности, чтобы оценить риски перед заключением договора.
Структура дерева решений
Дерево принятия решений состоит из «узлов» и «листьев».
Вверху дерева — начальный корневой узел, в который попадает вся выборка. Далее происходит проверка на выполнение условия или наличие признака. В результате такой проверки группа данных разбивается на подгруппы: подгруппа данных, которые прошли проверку, и подгруппа данных, которые не соответствуют заданному условию.
Далее подгруппы данных попадают в следующий узел с новой проверкой. И так до конечного узла дерева задач, который отвечает заданной цели анализа данных или завершает процесс принятия решения. Листья — это конечные узлы с результатами проверки
Преимущества
Недостатки
Простота Каждое деление идёт по одному признаку, поэтому можно легко интерпретировать результаты и быстро находить условия, которые больше всего на них повлияли. Например, почему сотрудник банка отказал в кредите заявителю: из-за возраста, отсутствия справки, подтверждающей доход, или просроченных платежей по прошлым кредитам.
Ограниченное применение Простота метода — одновременно преимущество и недостаток. Из-за этого применение дерева решений ограниченно. Алгоритм не подходит для решения задач с более сложными зависимостями. Склонность к переобучению Модель дерева решений подстраивается под те данные, которые получает, и ищет характеристики, которые увеличат вероятность. Дерево создаёт подгруппы элементов до тех пор, пока финальная подгруппа не станет однородной по всем признакам или не даст идеальный прогноз. Из-за этого алгоритм не сможет сделать прогноз на характеристики, которых не было в обучающей выборке.