Video: Yasak Elma 28. Bölüm 2024
A karar ağacı , karar vermenize yardımcı olabilecek tahmini çözümlemeye bir yaklaşım. Örneğin, üç iş projesinden birine belirli bir miktarda para yatırmaya karar vermeniz gerektiğini varsayalım: bir yiyecek-kamyon iş, restoran veya kitapçı.
Bir iş analisti, bu iş fikrinin her birinin başarısızlık oranını veya başarı oranını yüzdeler ve her durumda kazanacağınız kar olarak hesapladı.
| Kazanç (USD) | Kaybı (USD) | Gıda Kamyonu |
|---|---|---|
| 20, 000 | -7, 000 < Restaurant | 40, 000 |
| -21, 000 | Kitabevi | 6, 000 |
| -1, 000 |
|
Gösterilen geçmiş istatistik verilerden, aşağıda gösterildiği gibi bir karar ağacı oluşturabilirsiniz. |
beklenen değer
- en iyi olanı seçmenize yardımcı olan bir numaralı sıra - hesaplamayla başlar. Beklenen değer, bir kararın olası sonuçlarını da içerecek şekilde hesaplanır. Gıda kamyon iş fikri için beklenen değeri hesaplamak şuna benzer:
Gıda - kamyon işinin beklenen değeri = (60 yüzde x 20, 000 (USD)) + (40 yüzde * -7, 000 (USD)) = 9, 200 (USD) > Burada, beklenen değer, bir gıda-kamyon işletmesine yapılan yatırımdan elde edilen ortalama kazanımı yansıtır. Bu senaryoda - varsayımsal sayılarla çalışmak - elbette - gıda işletmesine birkaç kez (aynı koşullar altında her seferinde) yatırım yapmaya kalkışırsanız, işletme başına ortalama kazanç 9, 200 ABD Doları olacaktır.
Buna göre, bir restoran işletmesinin ve kitapçığın beklenen değerlerini aşağıdaki gibi hesaplayabilirsiniz:Restoran işletmesinin beklenen değeri = (yüzde 52 x 40, 000 (ABD Doları)) + (yüzde 48) - Kitapevi işinin beklenen değeri = (yüzde 50 x 6, 000 (USD)) + (yüzde 50 * -1, 000 (USD)) = 2, 500 (USD)
Bir restoran işletmesinin beklenen değeri, bir restoran işletmesine birkaç kez yatırım yaptıysanız, ne kadar kazanç sağlayacağınızı (ortalama olarak) tahmin eder. Bu nedenle, beklenen değer, işletmenizin karar verme sürecine dahil ettiğiniz ölçütlerden biri haline gelir. Bu örnekte, üç alternatifin beklenen değerleri sizi restoran işletmesine yatırım yapmayı tercih etmenizi sağlayabilir.
Karar ağaçları, sınıflandırma kurallarını görselleştirmek için de kullanılabilir (örneğin, çevrimiçi mağazanın önceki örneğinde bahsedilenler gibi).
Bir karar algoritması, sınıflandırma kurallarını temsil eden bir karar ağacı üretir. Perakende mağaza örneğinde, belirli bir müşterinin mağazanızdan bir saat satın alıp satmayacağını tahmin etmek istersiniz; karar ağacı esas olarak bir akış şeması olacaktır: Karar ağacının her
düğüm
, veri matrisinde tanımlanan bir özniteliği temsil eder. Ağacın yaprakları tahmini kararlardır.
Bu karar ağacı, bir müşterinin çevrimiçi mağazada belirli bir saati satın alıp almayacağını öngörür. Bu karar ağacındaki düğümler, analiz edeceğiniz özelliklerin bazılarını temsil eder; her biri bir saattir - saatlerdeki müşteri ilgi, müşteri yaşı ve müşteri maaşı.
Modeli yeni bir Müşteri X'e uygulayarak, ağacın kökünden, karar ağacının yaprağına (evet veya hayır) kadar olan bir yol izleyerek, müşterinin reklamını yaptığınız saatle ilgili davranışını gösteren ve haritasını çıkarabilirsiniz.
