决策树市场调查

1. 某商场要经营一种全新产品,请用决策树法进行决策.数据如下：

依据y坐标将六个点划分为两个子类，水平线上面的两个点是同一个分类，但是水平线之下的四个点是不纯净的。对这四个点进行再次分类，以x左边分类，通过两层分类，现了对样本点的完全分类。

决策树是一种具有树状结构的分类和预测工具，其中每个内部节点表示对一个属性的测试，每个分支表示测试的结果，每个叶节点(终端节点)持有一个类标签。

例如：

方案A的预期货币价值EMV=0.4*200+0.35*80+0.25*(-30)=100.5

方案B的预期货币价值EMV=0.4*100+0.35*40+0.25*0=54

方案C的预期货币价值EMV=0.4*50+0.35*40+0.25*30=41.5

每年预计收益方案A：100.5-250/6=58.8

每年预计收益方案B：54-90/6=39

每年预计收益方案C：41.5-40/6=34.8

(1)决策树市场调查扩展阅读：

一个决策树包含三种类型的节点：

决策节点：通常用矩形框来表示

机会节点：通常用圆圈来表示

终结点：通常用三角形来表示

决策树学习也是资料探勘中一个普通的方法。在这里，每个决策树都表述了一种树型结构，它由它的分支来对该类型的对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程可以递归式的对树进行修剪。 当不能再进行分割或一个单独的类可以被应用于某一分支时，递归过程就完成了。另外，随机森林分类器将许多决策树结合起来以提升分类的正确率。

2. 有道关于“决策树理论”的题不会，希望帮忙解决，谢谢。 据市场预测，今后几年市场对某公司产品的需求会

唔，不太记得了，而且有个问题，前两种方案服务期限5年，那第六年按什么计？大概分析的话就是：
1、方案1总投资700, 0.7的概率5年每年获利300，0.3的概率5年每年亏损50万（是这样吗？）期望是0.7*（1500-700）万+0.3*（-250-700万）=560万-285万=275万

2、方案2总投资400, 类似方案1，期望是（500-400）*0.7万+（300-400万）*0.3=40万
3、方案3我的理解是，如果销量减少，那么就变成了方案2的获利情况，先更新设备花费400万，这时期望是：（300-400万）*0.3=-30万，如果销量增加，则期望是：0.7*（1500-800）万=490万
总期望是490-30=460万
所以选方案3

但
是这个结论我觉得不科学，不科学在于论6年，服务期限却是5年，这有点不公平，因为公司如果选择方案1和2，然后市场需求扩大，结果第六年却无法获利，那
肯定是选方案3啊，应该是方案1和方案2的第六年也继续获利才有可比性，不然真的这样算6年的话，就肯定是方案3了，只是解释有点牵强。。

3. 决策树适合什么样的数据分类

数据挖掘,也称之为数据库中知识发现是一个可以从海量数据中智能地和自动地抽取一些有用的、可信的、有效的和可以理解的模式的过程.分类是数据挖掘的重要内容之一.目前,分类已广泛应用于许多领域,如医疗诊断、天气预测、信用证实、顾客区分、欺诈甄别. 现己有多种分类的方法,其中决策树分类法在海量数据环境中应用最为广泛.其原因如下：
1、决策树分类的直观的表示方法较容易转化为标准的数据库查询
2、决策树分类归纳的方法行之有效,尤其适合大型数据集.
3、决策树在分类过程中,除了数据集中已包括的信息外,不再需要额外的信息.
4、决策树分类模型的精确度较高. 该文首先研究了评估分类模型的方法.在此基础上着重研究了决策树分类方法,并对决策树算法的可伸缩性问题进行了具体分析,最后给出了基于OLE DB for DM开发决策树分类预测应用程序.

4. 什么是决策树分析其计算公式是如何表示的

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。

5. 用决策树的方法对案例进行决策。

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根(决策节点)、其他内点(方案节点、状态节点)、树叶(终点)、树枝(方案枝、概率枝)、概率值、损益值组成。

6. 决策树分析法有什么优点

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。

7. 决策树法的优缺点

决策树法是管理人员和决策分析人员经常采用的一种行之有效的决策工具。它具有下列优点：
1.决策树列出了决策问题的全部可行方案和可能出现的各种自然状态，以及各可行方法在各种不同状态下的期望值。
2.能直观地显示整个决策问题在时间和决策顺序上不同阶段的决策过程。
3.在应用于复杂的多阶段决策时，阶段明显，层次清楚，便于决策机构集体研究，可以周密地思考各种因素，有利于作出正确的决策。
当然，决策树法也不是十全十美的，它也有缺点，如使用范围有限，无法适用于一些不能用数量表示的决策；对各种方案的出现概率的确定有时主观性较大，可能导致决策失误；等等。

8. 如何运用决策树进行决策分析

决策树分析法是通过决策树图形展示临床重要结局，明确思路，比较各种备选方案预期结果进行决策的方法。

决策树分析法通常有6个步骤。

第一步：明确决策问题，确定备选方案。对要解决的问题应该有清楚的界定，应该列出所有可能的备选方案。

第二步：绘出决策树图形。决策树用3种不同的符号分别表示决策结、机会结、结局结。决策结用图形符号如方框表示，放在决策树的左端，每个备选方案用从该结引出的]个臂(线条)表示；实施每一个备选方案时都司能发生一系列受机遇控制的机会事件，用图形符号圆圈表示，称为机会结，每一个机会结司以有多个直接结局，例如某种治疗方案有3个结局(治愈、改善、药物毒性致死)，则机会结有3个臂。最终结局用图形符号如小三角形表示，称为结局结，总是放在决策树最右端。从左至右机会结的顺序应该依照事件的时间先后关系而定。但不管机会结有多少个结局，从每个机会结引出的结局必须是互相排斥的状态，不能互相包容或交叉。

第三步：明确各种结局可能出现的概率。可以从文献中类似的病人去查找相关的概率，也可以从临床经验进行推测。所有这些概率都要在决策树上标示出来。在为每一个机会结发出的直接结局臂标记发生概率时，必须注意各概率相加之和必须为1.0。

第四步：对最终结局用适宜的效用值赋值。效用值是病人对健康状态偏好程度的测量，通常应用0-1的数字表示，一般最好的健康状态为1，死亡为0。有时可以用寿命年、质量调整寿命年表示。

第五步：计算每一种备远方案的期望值。计算期望值的方法是从"树尖"开始向"树根"的方向进行计算，将每一个机会结所有的结局效用值与其发生概率分别相乘，其总和为该机会结的期望效用值。在每一个决策臂中，各机会结的期望效用值分别与其发生概率相乘，其总和为该决策方案的期望效用值，选择期望值最高的备选方案为决策方案。

第六步：应用敏感性试验对决策分析的结论进行测试。敏感分析的目的是测试决策分析结论的真实性。敏感分析要回答的问题是当概率及结局效用值等在一个合理的范围内变动时，决策分析的结论会不会改变。