決策樹模型

2020-12-24 醉一大叔

思維模式

導語:做不出決策怎麼辦?可選項太多,未來太深遠,魚翅和熊掌不知道選哪個?不用怕,這期大叔給大家分享一個非常好用的工具來輔助大家做決策,別怕,什麼軟體都不用下,大家需要做的只是準備好紙和筆而已。

想要了解更多,可以關注公眾號,回復 「運營」 送你價值千元的營銷裝備《60本首席營銷官必讀書+130款新媒體必備運營工具》

回到主題哈,這次大叔要給大家分享的是那些頂級高手都喜歡使用的一款工具:決策樹。

什麼是決策樹?

決策樹,便是一種把決策連接點畫成樹的輔助決策專用工具,一種找尋最優化計劃方案的繪圖法。

它用圖型的方法, 列舉某一決策很有可能導向性的多種多樣結果。

舉一個例子:相親決策樹

舉一個事例:相親約會決策樹:

這一個女孩的母親,給自己25歲女兒的人生大事擔憂,

今日又給介紹男朋友了,下列是母親以及自身閨女的會話:

女孩隨意一問:多大了?

母親說:26。

女孩問:很帥長得不好看?

母親說:挺帥的

女孩問:收益高不高?

母親說:算不上很高,中等水平狀況。

女孩問:是很勤奮,熱愛學習嗎?

母親說:是。

女孩說:那好的,我見到

第一決策點

年齡

使我們用圖型邏輯思維再度剖析一下這一段會話,當女孩問:「多大了?」的情況下,她就早已起動了「相親約會決策樹」的第一個決策連接點。

決策點

兩條分支

這一決策連接點,有兩根支系:

第一個決策連接點:(年紀)

支系一, 超過三十歲?哦,是大叔,那麼就不見了;

支系二,三十歲下列?哦,年紀還能夠。

第二個決策點

長相

接著,她問「長得帥不帥?」這就進入了第二個決策點

第二個決策節點:(長相)

分支一,不帥,拜拜

分支二,中等,那就再往下,

第三個決策點

收入

「收入高不高?」窮?那也不能忍

第三個決策節點:(收入)

分支一,高 見面

分支二,中 先見見,再往下

分支三,低 不見

第四個決策點

潛力

「是 熱愛學習否」。是?太好了,小夥子很上進,那就見吧。

第四個決策節點:(潛力)

分支一,愛學習上進 見面

分支二,不愛學習懶惰 不見

於是,我們可以畫出這樣的決策樹圖形:

為了便於統一大家的理解(共同討論決策)我們一般把決策樹圖形給規範化成三類圖形:決策結點、狀態結點、和結果節點。

概率樹

僅僅有了決策樹,我們把所有能想到的方案枚舉出來,讓你更清晰找到所有結果。但僅僅找到結果,是不足以幫助我們做決策的,這就要引出一個新的概念:概率樹。

決策樹需要概率一起用來做決策,所以有兩個分支類型:方案枝,概率枝

下邊大家再次上邊的例子表明下決策樹如何融合概率變為概率樹的方法來做決策的。

決策樹只是是給了很有可能的全部回答,而且是用0分或是一百分來判斷結果,較為不光滑。

而大家再加上每個回答的概率,去剖析各種各樣結果的水平,最終綜合性考慮到全部的要素,得到的結果就可靠得多。

由於現實狀況一般是,你期待賴以生存決策的根據,是沒有明確回答的。

READING

決策樹

/

回到上面的案例:

概率樹

姑娘說:他的脾氣好嗎?

媽媽說:哎呀,這個說不好,我只見過一面,感覺八成脾氣還不錯吧。

姑娘問:他未來會有錢嗎?

媽媽說:這天知道。他那麼努力,估計有三成概率,未來會有錢吧?

聽完這些回答:80%可能脾氣不錯,30%可能將來會有錢,你還去不去相親?這就難決定了。這時,我們就往「決策樹」中引入一個「概率」。

這種被概率化的決策樹,又叫:概率樹(Probability Tree)

增加了「不確定性」後,應該怎麼用「決策樹」,或者「概率樹」決策呢?

概率樹的每個同級別的概率枝,概率之和必須等於100%

不同條件

產生的四個組合

現在你要做一件事情,給「脾氣」和「有錢」這兩個不確定的條件,所產生的四個組合,誠實的打個分。為啥要打分?因為我們習慣看分數了,從小到大都是分數決定命運,轉換一下更好理解。

1

假設滿意的最高分是10分,不滿意的最高分是-10分,

2

脾氣好,有錢,你有多滿意?如果真是這樣,那是100%的滿意啊!打10分。

3

如果他的脾氣雖然好,最後真的還是一生窮困,你有多滿意?嗯,雖然沒錢,但好歹脾氣好。這就是命吧。如果真這樣,我的滿意度是3分。

4

接下來。如果不幸他的脾氣很差,最後還沒錢呢?這簡直就是渣男啊,-10分!

5

那如果脾氣差,但最後一不小心很有錢呢?這是一個好問題。要不要為了錢忍呢?忍一輩子很難啊,我還是打-5分吧。

於是,我們可以得到一個導向不同分數的概率樹。

在80%好脾氣,30%會有錢的不確定下,你是見,還是不見呢?如果決定不見,你沒有得失,收益是「0」。但是如果見呢?

四種可能性

1、脾氣差,但有錢的

概率是:20% x 30% = 6%。對這種情況,你打了-5分。

也就是這條概率分支,你的收益是:6% x (-5分) = -0.3分。

2、脾氣差,沒錢呢?

概率是:20% x 70% = 14%,

收益是:14% x (-10分) = -1.4分。

3、脾氣又好又有錢

概率是:80% x 30% = 24%,

收益是:24% x 10分 = 2.4分。

4、脾氣好,但是沒錢

概率是:80% x 70% = 56%,

收益是:56% x 3分 = 1.68分。

你的總收益是:(-0.3分) + (-1.4分) + 2.4分 + 1.68分 = 2.38分。

你決定見的總體收益是2.38分,不見的收益是0。所以,怎麼樣?應該趕緊畫個妝出門,去相親。反之,如果收益是負數,我們就不該去相親,浪費時間。

這個概率樹的方法可以舉一反三,用在很多地方來輔助你做各種決策。

總結

決策樹是一種把決策節點畫成樹的輔助決策工具,一種尋找最優方案的畫圖法。概率樹在決策樹的基礎上,增加了對條件發生概率的預測,和對結果收益的評估,然後加權平均得到一個「期望值」,用這個期望值,作為依據,輔助決策。熟練運用決策樹和概率樹,能夠大大提升我們做決策的效率和準確率。

精彩文章推薦:

用利他思維成功

金字塔思維模型 找用戶的隱含前提

傳染模型 如何引發流行

想要更多的乾貨資料嗎?

別人花上百個小時整理的資料

別人花成百上千元購買的資料

別人花幾千上萬參加的課程

所有都夢寐以求想要得到的資料!

最新、最全、最完整的資料,現在通通打包免費拿!

只要在公眾號主頁留言:

1、回復運營資料包,免費拿《運營資料包》,從此拉新、促活、裂變、用戶管理不用愁......

2、回復社群資料包,免費拿《社群資料包》,助你打通社群運營的任督雙脈......

3、回復 營銷資料包,免費拿《營銷資料包》,被動引流,坐等用戶......

4、回復文案資料包,免費拿《文案資料包》,好文案一句就夠,好資料一個就夠......

5、回復精美模板,免費拿《精美模板》,套一套,改一改,一步成大神......

6、回復 短視頻資料包,免費拿《短視頻資料包》,短視頻已經不是趨勢,而是必須了......

7、回復 創業資料包,免費拿《創業資料包》,啥都不說,創業這裡都是你有用的......

8、回復 產品資料包,免費拿《產品資料包》,改變世界,從這一個禮包開始......

9、回復 地圖圖譜,免費拿最全行業知識圖譜和操作手冊。

相關焦點

  • 決策樹模型怎麼畫?詳細圖文教程解讀模型圖畫法
    決策樹是一種解決分類問題的算法,本文將介紹什麼是決策樹模型,常見的用途,以及如何使用「億圖圖示」軟體繪製決策樹模型。決策樹模型(decision tree) 是一種簡單高效、具有強解釋性的預測模型,一般是自上而下的來生成的,每個決策或事件(即自然狀態)都可能引出兩個或多個事件並導致不同的結果,把這種決策分支畫成圖形後很像一棵樹的枝幹,故稱決策樹。換種表達就是運用樹狀圖表示各決策的期望值,通過計算,最終選出效益最大、成本最小的決策方法。目前這種模型廣泛應用於數據分析領域。
  • 如何用決策樹模型做數據分析?
    一什麼是決策樹?決策樹模型本質是一顆由多個判斷節點組成的樹。在樹的每個節點做參數判斷,進而在樹的最末枝(葉結點)能夠對所關心變量的取值作出最佳判斷。通常,一棵決策樹包含一個根結點,若干內部節點和若干葉結點,葉結點對應決策分類結果。分支做判斷,葉子下結論。我們看一個簡單的決策樹的模型,通過動物的一些特點來判斷它是否是魚類,在決策樹模型中,我們來看每一個節點是如何做判斷的。我們將所有要研究的動物作為樹最上端的起點,對它進行第一個判斷,是否能脫離水生存?如果判斷為是的話,它不是魚類。
  • 深度神經決策樹:深度神經網絡和樹模型結合的新模型
    深度神經決策樹:深度神經網絡和樹模型結合的新模型 工程師郭婷 發表於 2018-08-19 09:14:44 近日,來自愛丁堡大學的研究人員提出了一種結合深度神經網絡和樹模型的新型模型——深度神經決策樹(Deep
  • 每天學習一個《查理芒格的100個思維模型》之決策樹思維模型
    04決策樹思維模型面對不確定性,如何做決策人生每天每時每刻都處於不斷選擇的狀態,小到午餐吃什麼,大到在哪裡買房。任何一個選擇都可能會產生蝴蝶效應,正確的事半功倍,錯誤的事倍功半。頂級高手都喜歡使用的一款工具:決策樹。一、認識決策樹思維模型1.決策樹思維模型定義決策樹是一種十分常用的分類方法。決策樹是在已知各種情況發生概率的基礎上,通過構成決策樹來求取淨現值的期望值大於等於零的概率,評價項目風險,判斷其可行性的決策分析方法,是直觀運用概率分析的一種圖解法。
  • 從拍腦袋下決定到科學做選擇——決策樹模型-TY聊思維5
    由於這種決策分支畫成圖形很像一棵樹的枝幹,故稱決策樹復旦大學鬱文教授給過一個更加學術的定義:「決策樹用圖形表示決策過程的連續性,展示隨著時間的推移將發生的自然或邏輯的的進展,系統地呈現決策者將面對的各種選擇與不確定性,最終系統地進行歸納並進行決策」有的小夥伴看著肯定比較枯燥,最簡單的理解就是顧名思義:決策樹就是用於輔助決策的一種樹狀模型
  • Google雲計算AI平臺內置TabNet表格模型,可替代傳統決策樹算法
    Google在雲計算平臺新加入內置深度學習模型TabNet,用戶可以簡單地使用深度學習來處理表格資料,TabNet具有兩項優點,除了可解釋性之外,還提供高效的執行性能,Google提到,這個算法很適合用於零售、金融和保險業,實例像是預測信用評分、欺詐偵測和數值預測等應用。
  • 進化決策樹:當機器學習從生物學中汲取靈感時
    內容本文重點關注的一個例子是進化決策樹。這類分類器使用進化算法來構建魯棒性更強,性能更好的決策樹。進化算法依賴於生物進化啟發的機制。決策樹是什麼?如何根據進化算法搭建決策樹?與其它分類器相比,進化決策樹的表現如何?
  • 不要小看樹模型
    不管怎樣,這兩者的性能都依賴於模型的深度,因為它們的組件與特徵空間的各個部分存在關聯。包含太多組件的模型(對於樹模型而言是節點,對於神經網絡則是神經元)會過擬合,而組件太少的模型根本無法給出有意義的預測。(二者最開始都是記憶數據點,而不是學習泛化。)
  • 基於樹的機器學習模型的演化
    決策樹的構造下面的示例描述了只有兩個特性和兩個類的樣例數據集(左)。決策樹算法從根節點中的所有15個數據點開始。該節點被稱為不純節點,因為它混合了多種異構數據。在每個決策節點上,算法根據減少雜質最多的目標特徵對數據集進行分割,最終產生具有同質數據的葉節點/終端節點(右)。有一些常用的測量雜質的指標-基尼係數和熵。
  • 機器學習:不要低估樹模型的威力
    神經網絡以概率的視角看待這種逐段模型擬合 (piece-by-piece model fitting),而基於樹的方法則採用確定性的視角。不管怎樣,這兩者的性能都依賴於模型的深度,因為它們的組件與特徵空間的各個部分存在關聯。
  • R語言基於樹的方法:決策樹,隨機森林,套袋Bagging,增強樹
    如果我們對此模型進行編碼,我們會發現關係最終變得稍微複雜一些。  二剪枝  儘管上面的模型可以對訓練數據產生良好的預測,但是基本的樹方法可能會過度擬合數據,從而導致測試性能不佳。這是因為生成的樹往往過於複雜。
  • 決策引擎簡要介紹
    二、決策引擎有什麼樣的作用與價值?業務部門可以快速的定義、更新和維護業務規則、評分模型和決策流程業務分析人員無需IT支持,可以快速部署和實施業務規則和決策業務規則和決策流程與執行系統分離,規則利於管理和維護決策引擎作為企業所有客戶管理決策的中心和大腦,決策引擎的結果可以在多個系統中共享,避免了多個系統的重複定義和維護。
  • 張一鳴:多元思維模型是如何幫助我們做決策的?
    如果說,創始人的認知是公司發展的天花板,那麼字節跳動全球崛起之下,無疑隱藏著張一鳴驚人的決策能力。 從這位理科出身的 80 後企業家身上,我們能學到什麼?他的決策模型是否具有可複製性? 在詳細拆解張一鳴「理性思維」決策模型之前,我們首先來看看,「感性思維」是如何決策的。
  • 如何利用GROW模型提升決策效率?
    GROW模型是一個引領人們更好地做出決策的地圖,它提供了一種簡單易行的方法來幫助人們在生活的各個方面創造專注、減少幹擾並最終提升表現。 讓我們來看看如何使用GROW模型。無論什麼時候,我們做決策最終都會經歷這四個階段。
  • 美團技術解析:自動駕駛中的決策規划算法概述
    有限狀態機模型 自動駕駛車輛最開始的決策模型為有限狀態機模型[6],車輛根據當前環境選擇合適的駕駛行為,如停車、換道、超車、避讓、緩慢行駛等模式,狀態機模型通過構建有限的有向連通圖來描述不同的駕駛狀態以及狀態之間的轉移關係,從而根據駕駛狀態的遷移反應式地生成駕駛動作。
  • 東北師範大學商學院精品課程 | 數據·模型與決策:化繁為簡、觸類...
    要知道數據模型與決策這門課可是一門艱深的課程,一不小心就容易讓人「走火入魔」,各種模型,各種方案,各種算法……但在李老師的講述下,這些花樣繁多的內容瞬間變得條分縷析,輕鬆易懂。老頑童的絕招是左右互搏術,李老師的絕招是課上講課下練,二者都屬於輔助型「武學」,對學生數據模型的學習加成是巨大的,如此舉一反三,佔盡優勢。
  • 《常州北部新城數字模型與規劃輔助決策系統》被評為「中國地理...
    近日,由常州市規劃局牽頭研發的《常州北部新城數字模型與規劃輔助決策系統》被國家測繪地理信息局、中國地理信息產業協會評為「中國地理信息科技進步獎三等獎」。  該項目以常州北部新城三維模型為背景、建設地塊設計方案三維模型為目標,將二維GIS數據與三維模型數據相互關聯、一體化存儲,能在三維平臺上進行地理信息查詢,建立了真正意義的三維地理信息系統,為開發各類三維應用系統提供基礎。
  • 影響產品經理決策的兩大模型:用戶模型和交易模型(下)
    用戶模型和交易模型是影響產品經理決策的兩大常用模型,將分上、下兩篇陳述。本篇聊聊交易模型。本篇聊聊影響產品經理決策的另一重要模型:交易模型。一、什麼是交易交易是指雙方以貨幣及服務為媒介的價值交換(來源:百度百科)。
  • ML 模型不等於「黑盒」:explainable AI 可解釋的人工智慧
    可解釋的模型可以幫助用戶更好地利用這些模型所提供的輸出,使它們在業務、研究或決策中具有更大的影響力。但是具有更好預測性能的模型往往具有更差的可解釋性。 以隨機森林和決策樹為例,隨機森林方法的性能通常優於決策樹,但是決策樹具有更好的可解釋性。
  • 高通量數據如何利用機器學習指導臨床決策?
    利用機器學習等方法,從數據中生成模型,擴大樣本數據並對模型進行校正,以達到對疾病預測和分類、用藥指導、疾病診斷等目的,為臨床決策支持提供基礎。根據訓練數據是否帶有明確分組,機器學習分為監督學習、無監督學習。監督學習一般是利用帶分組的數據集學習出最優函數,再將新的數據輸入此函數,根據函數預測出結果,常見的監督學習方法有統計分類和回歸分析等。