各位老铁们，大家好，今天小编来为大家分享决策树分析相关知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！
决策树分析是一种常用的决策支持工具，它通过树状的图形方式呈现决策过程和结果，帮助人们更好地做出决策。决策树分析的基本原理是将决策问题分解为一系列的决策节点和相应的决策条件，通过逐步判断和选择最优路径来达到最终的决策结果。
决策树分析的应用广泛，尤其在商业领域中被广泛采用。举个例子，假设一个公司希望根据市场需求，决定是否要推出新产品。决策树分析可以帮助公司收集和分析市场数据，如市场规模、竞争对手状况等。决策树分析可以根据这些数据来判断市场需求是否足够大，竞争对手是否过于激烈，以及公司的产品是否具备竞争优势。决策树分析可以给出一个明确的结果，即公司应该推出新产品还是放弃。
决策树分析的优势在于其简洁明了的表达形式和易于理解的决策路径。通过决策树分析，决策者可以清晰地了解每个决策节点的条件和结果，并可以根据自己的需求和偏好来选择最优的路径。决策树分析还可以帮助决策者识别关键因素和潜在风险，提供更全面的决策依据。
决策树分析也存在一些限制和挑战。决策树分析仅仅是一种决策支持工具，其结果往往是基于输入数据和条件的理性判断，而忽略了主观因素和实际操作的复杂性。决策树分析的结果受到输入数据和条件的影响，如果这些数据不准确或条件不完善，那么决策结果可能会出现偏差。
决策树分析是一种有力的决策支持工具，可以帮助人们更好地做出决策。在使用决策树分析时，决策者需要注意综合考虑各种因素，并且根据实际情况进行灵活的调整，以达到最终的决策目标。
决策树分析
如下：
决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。
一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。 决策树就是将决策过程各个阶段之间的结构绘制成一张箭线图。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。
决策树分析是形象化
存在着决策人希望达到的一个明确目标，只存在一个确定的自然状态。
在实际决策中，有些客观条件不由决策者控制，这类问题称为非确定型决策
风险型决策：是指决策者对决策对象的自然状态和客观条件比较清楚，也有比较明确的决策目标，但是实现决策目标必须冒一定风险。
先验概率：根据过去经验或主观判断而形成的对各自然状态的风险程度的测算值。
自然状态：指各种可行方案可能遇到的客观情况和状态。
损益矩阵：一般有三部分组成：可行方案、自然状态及其发生的概率、各种行动方案的可能结果。把这三部分内容在一个表上表现出来，这个表就是损益矩阵表。
决策树：是对决策局面的一种图解。它是把各种备选方案、可能出现的自然状态及各种损益值简明地绘制在一张图表上。用决策树可以使决策问题形象化。决策树图的制作步骤
1．绘出决策点和方案枝，在方案枝上标出对应的备选方案；
2．绘出机会点和概率枝，在概率枝上标出对应的自然状态出现的概率值；
3．在概率枝的末端标出对应的损益值，这样就得出一个完整的决策局面图。决策树图的分析
决策树图的分析程序是先从损益值开始由右向左推导，称为反推决策树法。
决策是面对未来的，而未来又有不确定性和随机性，有些决策具有一定的成败概率，叫风险型决策。
现代社会化大生产，受客观环境的制约性大，一项重大决策对环境变化的适应性不同，其后果大不一样。如现代汽车工业，在面对"能源危机"的环境下，想要发展不用石油的汽车，那就需要投入较大的研究试验费用，根据判断如能有很广的销路，那么就可以在投入市场几年之后收回投资并获得较大利润，这是成功的估计。如果因这种汽车造价高，使用不便，没有市场需求，那就要失败。对这两种可能性如何判断，怎样做出选择，就属于风险性的决策。也就是要冒一定风险，存在着两个前途，两种结果，决策不当就会带来巨大损失。当然这种决策也不完全是盲目的，要做各种预测，进行反复的技术经济论证，决策搞得科学，成功的概率就会高一些
决策树分析是一种什么方法
决策树是确定生产能力方案的一条简捷的途径。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。决策树是一种通过图示罗列解题的有关步骤以及各步骤发生的条件与结果的一种方法。近年来出现的许多专门软件包可以用来建立和分析决策树，利用这些专门软件包，解决问题就变得更为简便了。
决策树由决策结点、机会结点与结点间的分枝连线组成。通常，人们用方框表示决策结点，用圆圈表示机会结点，从决策结点引出的分枝连线表示决策者可作出的选择，从机会结点引出的分枝连线表示机会结点所示事件发生的概率。
在利用决策树解题时，应从决策树末端起，从后向前，步步推进到决策树的始端。在向前推进的过程中，应在每一阶段计算事件发生的期望值。需特别注意：如果决策树所处理问题的计划期较长，计算时应考虑资金的时间价值。
计算完毕后，开始对决策树进行剪枝，在每个决策结点删去除了最高期望值以外的其他所有分枝，最后步步推进到第一个决策结点，这时就找到了问题的最佳方案。
下面以南方医院供应公司为例，看一看如何利用决策树作出合适的生产能力计划。
南方医院供应公司是一家制造医护人员的工装大褂的公司。该公司正在考虑扩大生产能力。它可以有以下几个选择：1、什么也不做；2、建一个小厂；3、建一个中型厂；4、建一个大厂。新增加的设备将生产一种新型的大褂，目前该产品的潜力或市场还是未知数。如果建一个大厂且市场较好就可实现$100，000的利润。如果市场不好则会导致$90，000的损失。如果市场较好，建中型厂将会获得$ 60,000，小型厂将会获得$40，000，市场不好则建中型厂将会损失$10,000，小型厂将会损失$5，000。还有一个选择就是什么也不干。最近的市场研究表明市场好的概率是0.4，也就是说市场不好的概率是0.6。参下图：
在这些数据的基础上，能产生最大的预期货币价值（EMV）的选择就可找到。
EMV（建大厂）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型厂）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小厂)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建厂)=$0 根据EMV标准，南方公司应该建一个中型厂。
决策树分析法又称什么决策方法
利用了概率论原理并且利用种树形图作分析工具其基本原理用决策点代表决策问题用方案分枝代表供选择方案用概率分枝代表方案能出现各种结经过对各种方案各种结条件下损益值计算比较决策者提供决策依据
决策树分析法常用风险分析决策方法该方法种用树形图来描述各方案未来收益计算比较及选择方法其决策期望值标准人们对未来能会遇好几种同情况每种情况均有出现能人们目前无法确知根据前资料来推断各种自状态出现概率样条件下人们计算各种方案未来经济效只能考虑各种自状态出现概率期望值与未来实际收益会完全相等
决策树只树根部有决策点则称单级决策;若决策仅树根部有决策点而且树间也有决策点则称多级决策
决策树分析法的步骤
决策树法的几个关键步骤是：
1、画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。2、由专家估计法或用试验数据推算出概率值．并把概率写在概率分枝的位置上。3、计算益损期望值，从树梢开始，由右向左的顺序进行．用期望值法计算．若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。扩展资料决策树的优点
1、决策树易于理解和实现. 人们在通过解释后都有能力去理解决策树所表达的意义。
2、对于决策树，数据的准备往往是简单或者是不必要的 . 其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。4、 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。5、对缺失值不敏感6、可以处理不相关特征数据7、效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。决策树的缺点1、对连续性的字段比较难预测。
2、对有时间顺序的数据，需要很多预处理的工作。3、当类别太多时，错误可能就会增加的比较快。4、一般的算法分类的时候，只是根据一个字段来分类。5、在处理特征关联性比较强的数据时表现得不是太好
关于“决策树分析”的具体内容，今天就为大家讲解到这里，希望对大家有所帮助。
