決策樹市場調查

1. 某商場要經營一種全新產品,請用決策樹法進行決策.數據如下：

依據y坐標將六個點劃分為兩個子類，水平線上面的兩個點是同一個分類，但是水平線之下的四個點是不純凈的。對這四個點進行再次分類，以x左邊分類，通過兩層分類，現了對樣本點的完全分類。

決策樹是一種具有樹狀結構的分類和預測工具，其中每個內部節點表示對一個屬性的測試，每個分支表示測試的結果，每個葉節點(終端節點)持有一個類標簽。

例如：

方案A的預期貨幣價值EMV=0.4*200+0.35*80+0.25*(-30)=100.5

方案B的預期貨幣價值EMV=0.4*100+0.35*40+0.25*0=54

方案C的預期貨幣價值EMV=0.4*50+0.35*40+0.25*30=41.5

每年預計收益方案A：100.5-250/6=58.8

每年預計收益方案B：54-90/6=39

每年預計收益方案C：41.5-40/6=34.8

(1)決策樹市場調查擴展閱讀：

一個決策樹包含三種類型的節點：

決策節點：通常用矩形框來表示

機會節點：通常用圓圈來表示

終結點：通常用三角形來表示

決策樹學習也是資料探勘中一個普通的方法。在這里，每個決策樹都表述了一種樹型結構，它由它的分支來對該類型的對象依靠屬性進行分類。每個決策樹可以依靠對源資料庫的分割進行數據測試。這個過程可以遞歸式的對樹進行修剪。 當不能再進行分割或一個單獨的類可以被應用於某一分支時，遞歸過程就完成了。另外，隨機森林分類器將許多決策樹結合起來以提升分類的正確率。

2. 有道關於「決策樹理論」的題不會，希望幫忙解決，謝謝。 據市場預測，今後幾年市場對某公司產品的需求會

唔，不太記得了，而且有個問題，前兩種方案服務期限5年，那第六年按什麼計？大概分析的話就是：
1、方案1總投資700, 0.7的概率5年每年獲利300，0.3的概率5年每年虧損50萬（是這樣嗎？）期望是0.7*（1500-700）萬+0.3*（-250-700萬）=560萬-285萬=275萬

2、方案2總投資400, 類似方案1，期望是（500-400）*0.7萬+（300-400萬）*0.3=40萬
3、方案3我的理解是，如果銷量減少，那麼就變成了方案2的獲利情況，先更新設備花費400萬，這時期望是：（300-400萬）*0.3=-30萬，如果銷量增加，則期望是：0.7*（1500-800）萬=490萬
總期望是490-30=460萬
所以選方案3

但
是這個結論我覺得不科學，不科學在於論6年，服務期限卻是5年，這有點不公平，因為公司如果選擇方案1和2，然後市場需求擴大，結果第六年卻無法獲利，那
肯定是選方案3啊，應該是方案1和方案2的第六年也繼續獲利才有可比性，不然真的這樣算6年的話，就肯定是方案3了，只是解釋有點牽強。。

3. 決策樹適合什麼樣的數據分類

數據挖掘,也稱之為資料庫中知識發現是一個可以從海量數據中智能地和自動地抽取一些有用的、可信的、有效的和可以理解的模式的過程.分類是數據挖掘的重要內容之一.目前,分類已廣泛應用於許多領域,如醫療診斷、天氣預測、信用證實、顧客區分、欺詐甄別. 現己有多種分類的方法,其中決策樹分類法在海量數據環境中應用最為廣泛.其原因如下：
1、決策樹分類的直觀的表示方法較容易轉化為標準的資料庫查詢
2、決策樹分類歸納的方法行之有效,尤其適合大型數據集.
3、決策樹在分類過程中,除了數據集中已包括的信息外,不再需要額外的信息.
4、決策樹分類模型的精確度較高. 該文首先研究了評估分類模型的方法.在此基礎上著重研究了決策樹分類方法,並對決策樹演算法的可伸縮性問題進行了具體分析,最後給出了基於OLE DB for DM開發決策樹分類預測應用程序.

4. 什麼是決策樹分析其計算公式是如何表示的

決策樹分析法是一種運用概率與圖論中的樹對決策中的不同方案進行比較，從而獲得最優方案的風險型決策方法。圖論中的樹是連通且無迴路的有向圖，入度為0的點稱為樹根，出度為0的點稱為樹葉，樹葉以外的點稱為內點。決策樹由樹根（決策節點）、其他內點（方案節點、狀態節點）、樹葉（終點）、樹枝（方案枝、概率枝）、概率值、損益值組成。

5. 用決策樹的方法對案例進行決策。

決策樹分析法是一種運用概率與圖論中的樹對決策中的不同方案進行比較，從而獲得最優方案的風險型決策方法。圖論中的樹是連通且無迴路的有向圖，入度為0的點稱為樹根，出度為0的點稱為樹葉，樹葉以外的點稱為內點。決策樹由樹根(決策節點)、其他內點(方案節點、狀態節點)、樹葉(終點)、樹枝(方案枝、概率枝)、概率值、損益值組成。

6. 決策樹分析法有什麼優點

1)可以生成可以理解的規則；2)計算量相對來說不是很大；3) 可以處理連續和種類欄位；4) 決策樹可以清晰的顯示哪些欄位比較重要。

7. 決策樹法的優缺點

決策樹法是管理人員和決策分析人員經常採用的一種行之有效的決策工具。它具有下列優點：
1.決策樹列出了決策問題的全部可行方案和可能出現的各種自然狀態，以及各可行方法在各種不同狀態下的期望值。
2.能直觀地顯示整個決策問題在時間和決策順序上不同階段的決策過程。
3.在應用於復雜的多階段決策時，階段明顯，層次清楚，便於決策機構集體研究，可以周密地思考各種因素，有利於作出正確的決策。
當然，決策樹法也不是十全十美的，它也有缺點，如使用范圍有限，無法適用於一些不能用數量表示的決策；對各種方案的出現概率的確定有時主觀性較大，可能導致決策失誤；等等。

8. 如何運用決策樹進行決策分析

決策樹分析法是通過決策樹圖形展示臨床重要結局，明確思路，比較各種備選方案預期結果進行決策的方法。

決策樹分析法通常有6個步驟。

第一步：明確決策問題，確定備選方案。對要解決的問題應該有清楚的界定，應該列出所有可能的備選方案。

第二步：繪出決策樹圖形。決策樹用3種不同的符號分別表示決策結、機會結、結局結。決策結用圖形符號如方框表示，放在決策樹的左端，每個備選方案用從該結引出的]個臂(線條)表示；實施每一個備選方案時都司能發生一系列受機遇控制的機會事件，用圖形符號圓圈表示，稱為機會結，每一個機會結司以有多個直接結局，例如某種治療方案有3個結局(治癒、改善、葯物毒性致死)，則機會結有3個臂。最終結局用圖形符號如小三角形表示，稱為結局結，總是放在決策樹最右端。從左至右機會結的順序應該依照事件的時間先後關系而定。但不管機會結有多少個結局，從每個機會結引出的結局必須是互相排斥的狀態，不能互相包容或交叉。

第三步：明確各種結局可能出現的概率。可以從文獻中類似的病人去查找相關的概率，也可以從臨床經驗進行推測。所有這些概率都要在決策樹上標示出來。在為每一個機會結發出的直接結局臂標記發生概率時，必須注意各概率相加之和必須為1.0。

第四步：對最終結局用適宜的效用值賦值。效用值是病人對健康狀態偏好程度的測量，通常應用0-1的數字表示，一般最好的健康狀態為1，死亡為0。有時可以用壽命年、質量調整壽命年表示。

第五步：計算每一種備遠方案的期望值。計算期望值的方法是從"樹尖"開始向"樹根"的方向進行計算，將每一個機會結所有的結局效用值與其發生概率分別相乘，其總和為該機會結的期望效用值。在每一個決策臂中，各機會結的期望效用值分別與其發生概率相乘，其總和為該決策方案的期望效用值，選擇期望值最高的備選方案為決策方案。

第六步：應用敏感性試驗對決策分析的結論進行測試。敏感分析的目的是測試決策分析結論的真實性。敏感分析要回答的問題是當概率及結局效用值等在一個合理的范圍內變動時，決策分析的結論會不會改變。