学习分享!
首页
决策风险
七天网络网
/
问答
/
标签
用决策树的方法进行决策风险分析
决策树学习是机器学习方法中的一种。这种方法将习得的训练集函数表示成树结构,通过它来近似离散值的目标函数。这种树结构是一种有向树,它以训练集的一个属性作节点,这个属性所对应的一个值作边。决策树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。选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。
猜你想看
事件树分析法
分析方法有哪些
风险性
盈亏平衡
审计和会计
审计是干嘛的
会计审计
审计考研
规模经济
风险分析
决策模型
事件树
cisi
决策树分析法
决策树法
三个月
美元账户
交易记录
大家在看
业财融合培训 业财融合培训 永高股份 钢铁 军工 股票 龙头股 概念股 数字货币 股票 股票停牌 货币 蓝筹股 股份 财务稽核 股改 同比增长率 Q1 同比增长率计算公式 什么是拐点 m1m2m3是什么意思