​决策树分析法例题(决策树分析的6个步骤是什么?)

决策树分析法例题(决策树分析的6个步骤是什么?)

决策树分析法是一种常见的决策分析工具，适用于许多领域，如金融、医疗和工程等。例如，一家公司决定是否要推出一款新产品，可以使用决策树分析法来衡量该决策的风险和收益。在这个例子中，决策树会考虑市场需求、生产成本、销售价格等因素，以及每个因素可能的结果和概率。通过分析这些数据，公司可以更好地了解该决策的影响，并做出明智的决策。

一：决策树分析法例题

管理学决策树画法如下：

第一步：点击

第二步：新建一个“决策树”。依次点击“管理-咨询”-“项目管理”-“决策树”。这样我们需要的决策树模板就会在下方，然后选择一个模板，点击使用。

第三步：首先打开画布左侧的符号库，可以看到很多专业的决策树符号，然后对想用的符号进行拖拽和使用，也可以修改模板的绘图形状打造个性化的决策树。

第四步：双击文本框，替换掉决策树模板中文字或者删除一些不需要的文本框

第五步：完成对决策树的绘制后，可以点击右侧上方的保存、

决策树的常见用途：

绘制出一幅决策树的前提便是要有足够的数据来支撑计算，当有足够多的数据后，决策树便能根据数据进行整理和计算，决策树也可以对人们日常生活中的学习或者各种选择进行分析和预测。

企业的方案制定当企业在面临机遇或者危机时，急需找到正确的决策，那么便可以用决策树对自己目前的状况进行分析，选择出适合当前的决策，来将利益最大化。

二：决策树分析的6个步骤是什么?

由决策结点、方案分枝、状态结点、概率分枝和结果点五个要素构成。

步骤：

1、绘制决策树图。从左到右的顺序画决策树，此过程本身就是对决策问题的再分析过程。

2、按从右到左的顺序计算各方案的期望值，并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。

3、对比各方案的期望值的大小，进行剪枝优选。在舍去备选方案 枝上，用“=”记号隔断。

三：决策树分析法

机器学习在预测方面的应用，根据预测值变量的类型可以分为分类问题（预测值是离散型）和回归问题（预测值是连续型），前面我们介绍了机器学习建模处理了分类问题（具体见之前的文章），接下来我们以波斯顿房价数据集为例，做一个回归预测系列的建模文章。

实现功能：

使用sklearn提供的决策树（DecisionTreeRegressor）的API对波士顿房价数据集进行预测，并尝试将预测结果进行分析。

实现代码：

实现效果：

本人读研期间发表5篇SCI数据挖掘相关论文，会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例，致力于以最简单的方式理解和学习它们，欢迎