Дерево принятия решений - История изменений

Admin в 14:09, 18 августа 2019

2019-08-18T14:09:51Z

Admin в 22:28, 15 октября 2017

2017-10-15T22:28:38Z

Admin: /* Дерево полезности */

2016-11-23T14:53:13Z

‎Дерево полезности

Admin: /* Дерево полезности */

2016-11-23T14:51:42Z

‎Дерево полезности

Admin в 14:49, 23 ноября 2016

2016-11-23T14:49:08Z

Admin в 14:43, 23 ноября 2016

2016-11-23T14:43:16Z

Admin в 12:16, 17 октября 2016

2016-10-17T12:16:08Z

Admin: Новая страница: «''Дерево принятия решений'' (Desicion Tree), также может называться деревом классификации или ре…»

2016-10-17T12:15:55Z

Новая страница: «''Дерево принятия решений'' (Desicion Tree), также может называться деревом классификации или ре…»

Новая страница

''Дерево принятия решений'' (Desicion Tree), также может называться деревом классификации или регрессионным деревом - средство [[Анализ компромиссов|поддержки принятия решений]], использующееся в [[Статистика|статистике]] и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение. Подобные деревья решений широко используются в интеллектуальном анализе данных. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной на основе нескольких переменных на входе.

== Основные определения ==
Дерево решений состоит из трёх типов узлов:
* ''Узлы решения'' — обычно представлены квадратами
* ''Вероятностные узлы'' — представляются в виде круга
* ''Замыкающие узлы'' — представляются в виде треугольника

== Типология деревьев ==
Деревья решений, используемые в [[Data Mining]], бывают двух основных типов:
* '''Анализ дерева классификации''', когда предсказываемый результат является классом, к которому принадлежат данные;
* '''Регрессионный анализ дерева''', когда предсказанный результат можно рассматривать как вещественное число (например, цена на дом, или продолжительность пребывания пациента в больнице).

[[Категория: Концепции]]

← Предыдущая		Версия 14:09, 18 августа 2019
Строка 16:		Строка 16:

	[[Категория: Концепции]]		[[Категория: Концепции]]
		+	[[Категория:Методы оценивания]]

@@ Строка 15: / Строка 15: @@
 '''Дерево полезности''' (utility tree) составляется при [[Анализ компромиссов#Анализ архитектуры ПО|анализе архитектурных альтернатив ПО]] и описывает основные качественные и функциональные параметры приложения с учетом [[требования|требований]] к нему.
-[[Файл:utility-tree.png]]
+[[Файл:utility-tree.png|center]]
 [[Категория: Концепции]]

← Предыдущая		Версия 14:43, 23 ноября 2016
Строка 1:		Строка 1:
−	'''Дерево принятия решений''' (Desicion Tree), ~~также может называться деревом~~ классификации или ~~регрессионным деревом~~ - средство [[Анализ компромиссов\|поддержки принятия решений]], использующееся в [[Статистика\|статистике]] и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение. Подобные деревья решений широко используются в интеллектуальном анализе данных. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной на основе нескольких переменных на входе.	+	'''Дерево принятия решений''' (Desicion Tree), '''Дерево полезности''', '''Дерево классификации''' или '''Регрессионное дерево''' - средство [[Анализ компромиссов\|поддержки принятия решений]], использующееся в [[Статистика\|статистике]] и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение. Подобные деревья решений широко используются в интеллектуальном анализе данных. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной на основе нескольких переменных на входе.

	== Основные определения ==		== Основные определения ==

← Предыдущая		Версия 12:16, 17 октября 2016
Строка 1:		Строка 1:
−	''Дерево принятия решений'' (Desicion Tree), также может называться деревом классификации или регрессионным деревом - средство [[Анализ компромиссов\|поддержки принятия решений]], использующееся в [[Статистика\|статистике]] и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение. Подобные деревья решений широко используются в интеллектуальном анализе данных. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной на основе нескольких переменных на входе.	+	'''Дерево принятия решений''' (Desicion Tree), также может называться деревом классификации или регрессионным деревом - средство [[Анализ компромиссов\|поддержки принятия решений]], использующееся в [[Статистика\|статистике]] и анализе данных для прогнозных моделей. Структура дерева представляет собой «листья» и «ветки». На ребрах («ветках») дерева решения записаны атрибуты, от которых зависит целевая функция, в «листьях» записаны значения целевой функции, а в остальных узлах — атрибуты, по которым различаются случаи. Чтобы классифицировать новый случай, надо спуститься по дереву до листа и выдать соответствующее значение. Подобные деревья решений широко используются в интеллектуальном анализе данных. Цель состоит в том, чтобы создать модель, которая предсказывает значение целевой переменной на основе нескольких переменных на входе.

	== Основные определения ==		== Основные определения ==

@@ Строка 11: / Строка 11: @@
 * '''Анализ дерева классификации''', когда предсказываемый результат является классом, к которому принадлежат данные;
 * '''Регрессионный анализ дерева''', когда предсказанный результат можно рассматривать как вещественное число (например, цена на дом, или продолжительность пребывания пациента в больнице).
 [[Категория: Концепции]]