决策树法简介
什么是决策树法？
决策树分析方法？
决策树是预测模型中常用的算法，通过有目的地对大量数据进行分类，发现一些有价值的潜在信息。其主要问题是:id3是非增量学习算法；Id3决策树是单变量决策树，难以表达复杂的概念。之间的关系强调得不够；抗噪性差。针对上述问题，有很多比较好的改进算法，如schlimm管理学决策树法？
决策树方法是一种基于风险的决策方法，在决策中利用概率的方法对不同的方案进行比较，以获得最佳方案。
其基本原理是用决策点表示决策问题，用方案分支表示备选方案，用概率分支表示方案的各种可能结果。计算比较各种方案在各种结果条件下的损益值后，为决策者提供决策依据。
决策树分析方法？
决策树分析是指对每一个决策或事件(即自然状态)进行分析，导致两个或两个以上的事件和不同的结果，并将这个决策或事件的分支绘制成图，与一棵树的分支非常相似，所以称为决策树分析。
决策树方法的几个关键步骤是:
(1)画一个决策树。画决策树的过程也是对未来各种可能发生的事件进行仔细思考和预测的过程，并将这些情况用树形图表示出来。先画决策点，再找方案分支和方案点。最后画出概率分支。
(2)概率值由专家估算法或实验数据计算得出。并把概率写在概率分支的位置。
(3)计算盈亏期望值，从树梢开始，从右向左进行。用期望值法计算。如果决策目标是利润，就比较分支，取期望值最大的分支，修剪其他分支。
决策树分析方法？
决策树是一种通过图表列出解决问题的相关步骤以及每一步的条件和结果的方法。决策树不仅可以帮助人们理解问题，还可以帮助人们解决问题。
决策树一般是自顶向下生成的。每一个决策或事件(即自然状态)都可能导致两个或两个以上的事件，导致不同的结果。把这个决策分支画成图，和树的分支很像，所以叫决策树。