Decision Tree | Cây quyết định trong Kinh doanh, Y tế, Tài chính

Name: Decision Tree | Cây quyết định trong Kinh doanh, Y tế, Tài chính
Brand: Decision Tree | Cây quyết định trong Kinh doanh, Y tế, Tài chính

Thứ ba, 12:03 Ngày 15/11/2022

CÂY QUYẾT ĐỊNH DECISION TREE

DECISION TREE LÀ GÌ?

Cây quyết định là một công cụ đa năng có thể được áp dụng cho một loạt các vấn đề. Cây quyết định thường được sử dụng trong kinh doanh để phân tích dữ liệu khách hàng và đưa ra quyết định tiếp thị, nhưng chúng cũng có thể được sử dụng trong các lĩnh vực như y học, tài chính và máy học.

Các cây quyết định chi tiết nhất có thể vô cùng phức tạp, nhưng các cây quyết định đơn giản lại dễ tạo và dễ diễn giải. Chúng được xây dựng xung quanh một loạt các câu hỏi có / không nhằm thu hẹp dần các lựa chọn của bạn cho đến khi đưa ra được quyết định hợp lý nhất.

Khi đưa ra các quyết định trong kinh doanh, nó sẽ giúp bạn có một không gian văn phòng được thiết kế linh hoạt theo nhu cầu của bạn.

Cây quyết định là một sơ đồ giống như lưu đồ vạch ra tất cả các giải pháp tiềm năng cho một vấn đề nhất định. Chúng thường được các tổ chức sử dụng để giúp xác định hướng hành động tối ưu nhất bằng cách so sánh tất cả các hậu quả có thể xảy ra khi đưa ra một loạt quyết định.

Ví dụ, một cây quyết định có thể được sử dụng để giúp một công ty quyết định thành phố nào sẽ chuyển trụ sở chính đến hoặc có nên mở văn phòng vệ tinh hay không. Cây quyết định cũng là một công cụ phổ biến trong học máy, vì chúng có thể được sử dụng để xây dựng các mô hình dự đoán. Những loại cây quyết định này có thể được sử dụng để đưa ra dự đoán, chẳng hạn như liệu khách hàng có mua sản phẩm hay không dựa trên lịch sử mua hàng trước đó của họ.

Xem thêm:

Nodes và Ký hiệu trong Decision Tree

Cây quyết định được tạo thành từ các nodes và nhánh được kết nối khác nhau, mở rộng ra bên ngoài từ một nodes ban đầu. Ba loại nodes là nodes quyết định, nodes cơ hội và nodes kết quả.

Các nút quyết định có hình vuông và đại diện cho một điểm trên cây mà tại đó có thể đưa ra quyết định. Ví dụ: Bạn có nên tổ chức tiệc nướng vào thứ Bảy không?

Các nút cơ hội có dạng hình tròn và đại diện cho một điểm trên cây mà tại đó có nhiều hệ quả không chắc chắn. Ví dụ: Khả năng trời sẽ mưa vào thứ Bảy là gì?

Các nút kết quả có hình tam giác và đại diện cho điểm cuối cùng của một loạt các quyết định. Ví dụ: Một trận mưa như trút nước bất ngờ làm hỏng bữa tiệc nướng của bạn.

Kết nối các nút này là các nhánh của cây quyết định, liên kết các quyết định và cơ hội với hậu quả tiềm ẩn của chúng. Đánh giá quá trình hành động tốt nhất đạt được bằng cách theo dõi các nhánh đến điểm cuối hợp lý của chúng, kiểm đếm chi phí, rủi ro và lợi ích dọc theo từng con đường và từ chối bất kỳ nhánh nào dẫn đến kết quả tiêu cực.

Xem thêm:

CÁCH VẼ CÂY QUYẾT ĐỊNH QUA TỪNG BƯỚC

Bạn có thể sử dụng các công cụ phần mềm hoặc nền tảng cộng tác trực tuyến để tạo cây quyết định, nhưng tất cả những gì bạn thực sự cần là bảng trắng hoặc bút và giấy.

Vẽ nút ban đầu của bạn. Nút hình vuông này đại diện cho quyết định chính mà bạn đang cố gắng thực hiện. Đối với mọi hành động khả thi mà bạn có thể thực hiện tại thời điểm này, hãy vẽ một nhánh và gắn nhãn với tên của hành động đó. Bạn có thể bao gồm thông tin bổ sung ở đây, chẳng hạn như chi phí tài chính để đưa ra quyết định đó.
Thêm các nút vào cuối mỗi nhánh. Bây giờ hãy xem xét điều gì sẽ xảy ra trong mỗi kịch bản được dán nhãn. Liệu sau quá trình hành động đó có dẫn đến một điểm quyết định khác không? Nếu vậy, hãy thêm một hình vuông khác và lặp lại quy trình. Nếu quyết định dẫn đến một kết quả may rủi, hãy vẽ một nút tròn và cố gắng xác định các kết quả có thể xảy ra và xác suất xảy ra của từng kết quả. Trong ví dụ về món nướng đơn giản của chúng tôi, đó có thể là khả năng trời mưa vào một ngày.

Mở rộng cây cho đến khi đạt được mọi điểm cuối. Tiếp tục thêm các nút quyết định, nút cơ hội và các nhánh cho đến khi bạn không còn lựa chọn nào nữa. Sau đó, giới hạn mỗi nhánh bằng một nút kết quả. Nút kết quả này mô tả kết quả cuối cùng của việc đi theo con đường đó và nên bao gồm một số loại giá trị hoặc điểm số để có thể thực hiện so sánh giữa mỗi điểm cuối.

Ưu điểm và nhược điểm của cây quyết định

Tùy thuộc vào thời điểm và cách thức chúng được sử dụng, cây quyết định có thể có những ưu và nhược điểm nhất định:

Decision Tree ràng và dễ hiểu. Từ quan điểm đồ họa thông tin, một cây quyết định được xây dựng tốt có thể cô đọng một lượng lớn dữ liệu thành một định dạng có thể truy cập được mà mọi thành viên trong tổ chức đều có thể hiểu được. Ví dụ: nhóm tiếp thị không cần biết chi tiết thực tế của phân tích thống kê đằng sau một quyết định tiềm năng. Cây quyết định cắt bỏ sự ồn ào để mang lại cho mọi người thông tin họ cần để xác định hướng hành động hiệu quả nhất.
Cây quyết định chỉ tốt khi có dữ liệu cơ bản. Cây quyết định không phải là một quả cầu pha lê. Nếu bạn không có dữ liệu chất lượng cao để bắt đầu hoặc bạn không thể xác định xác suất của một số nút cơ hội nhất định xảy ra, thì cây sẽ trở nên kém tin cậy hơn theo cấp số nhân khi nó tiếp tục. Những sai lệch trong dữ liệu của bạn hoặc tập dữ liệu không đầy đủ cũng sẽ đưa ra những điểm không chính xác.
Cây quyết định Decision Tree nhanh chóng được thiết kế và đơn giản để tinh chỉnh. Cây quyết định không cần quá phức tạp để trở nên hữu ích. Việc vạch ra các lựa chọn của bạn trên giấy có thể được thực hiện trong vài phút và giúp mang lại sự rõ ràng cho quá trình ra quyết định.

Vai trò của cây quyết định trong khoa học dữ liệu

Chúng tôi chủ yếu tập trung vào việc sử dụng cây quyết định để chọn cách hành động hiệu quả nhất trong kinh doanh, nhưng loại ánh xạ thông tin này cũng có các ứng dụng thực tế trong khai thác dữ liệu và học máy.

Trong bối cảnh này, cây quyết định không được sử dụng để xác định một số quá trình hành động tối ưu theo cách thủ công, mà là một mô hình dự đoán để tự động thực hiện các quan sát về một tập dữ liệu nhất định. Các thuật toán này thu nhận một lượng lớn thông tin và sử dụng cây quyết định để đưa ra các dự đoán chính xác về các điểm dữ liệu mới. Ví dụ: hãy xem xét sử dụng dữ liệu y tế của hàng nghìn bệnh nhân trong bệnh viện để dự đoán khả năng mắc bệnh của một người.

Các loại cây quyết định

Có hai loại cây quyết định chính trong khoa học dữ liệu:

Cây phân loại. Cây phân loại là cây quyết định trong đó mỗi nút điểm cuối tương ứng với một nhãn duy nhất. Ví dụ: một cây phân loại có thể lấy một giao dịch ngân hàng, kiểm tra nó với các giao dịch gian lận đã biết và phân loại nó là “hợp pháp” hoặc “gian lận”.
Cây hồi quy. Cây hồi quy là cây quyết định trong đó các giá trị tại các nút điểm cuối là liên tục chứ không phải rời rạc. Nghĩa là, cây hồi quy dự đoán đầu ra có giá trị thực chứ không phải nhãn lớp — ví dụ: dự đoán mức lương của một người dựa trên tuổi và nghề nghiệp của họ.