決策樹法的方法和步驟

❶ 決策樹分析方法的基本步驟

決策樹分析方法的基本步驟

1.繪制決策樹圖。從左到右的順序畫決策樹，此過程本身就是對決策問題的再分析過程。

2.按從右到左的順序計算各方案的期望值，並將結果寫在相應方案節點上方。期望值的計算是從右到左沿著決策樹的反方向進行計算的。

3.對比各方案的期望值的大小，將期望值小的方案(即劣等方案)剪掉，所剩的最後方案為最佳方案。

決策樹(簡稱DT)利用概率論的原理，並且利用一種樹形圖作為分析工具。其基本原理是用決策點代表決策問題，用方案分枝代表可供選擇的方案，用概率分枝代表方案可能出現的各種結果，經過對各種方案在各種結果條件下損益值的計算比較，為決策者提供決策依據。

缺點：

1) 對連續性的欄位比較難預測；

2) 對有時間順序的數據，需要很多預處理的工作；

3) 當類別太多時，錯誤可能就會增加的比較快；

4) 一般的演算法分類的時候，只是根據一個欄位來分類。

❷ 決策樹分析方法的基本步驟 快速找到最佳方案

基本步驟：從左到右順序畫一個決策樹，這是一個決策問題的重新分析過程。從右到左計算每個方案的期望值，並將結果寫在對應的方案節點上方。的期望值是沿著決策樹的相反方向從右到左計算的。比較各方案的期望值，砍掉期望值低的方案（即次優方案），留下最後一個方案作為最佳方案。

特徵選擇：特徵選擇決定了使用哪些特徵進行判斷。在訓練數據集中，每個樣本可能有很多屬性，不同的屬性有不同的作用。因此，特徵選擇的作用就是篩選出與分類結果相關性高的特徵，即分類能力強的特徵。特徵選擇常用的准則是：信息增益。

決策樹的生成：選擇一個特徵後，從根節點觸發，為每個節點計算所有特徵的信息增益，選擇信息增益最大的特徵作為節點特徵，根據該特徵的不同值建立子節點；對每個子節點使用相同的方法來生成新的子節點，直到信息增益很小或者沒有特徵可供選擇。

決策樹的剪枝：剪枝的主要目的是通過主動去除部分分支來對抗「過擬合」，降低過擬合的風險。

決策樹方法的優點：

1.決策樹列出了決策問題的所有可行解和各種可能的自然狀態，以及各種狀態下每個可行方法的期望值。

2.可以直觀地展示整個決策問題在不同階段的時間和決策順序的決策過程。

3.應用於復雜的多階段決策時，階段明顯，層次清晰，便於決策主體集體研究，能夠慎重考慮各種因素，有利於做出正確決策。

❸ 決策樹法分為那幾個步驟

1、特徵選擇

特徵選擇決定了使用哪些特徵來做判斷。在訓練數據集中，每個樣本的屬性可能有很多個，不同屬性的作用有大有小。因而特徵選擇的作用就是篩選出跟分類結果相關性較高的特徵，也就是分類能力較強的特徵。在特徵選擇中通常使用的准則是：信息增益。

2、決策樹生成

選擇好特徵後，就從根節點觸發，對節點計算所有特徵的信息增益，選擇信息增益最大的特徵作為節點特徵，根據該特徵的不同取值建立子節點；對每個子節點使用相同的方式生成新的子節點，直到信息增益很小或者沒有特徵可以選擇為止。

3、決策樹剪枝

剪枝的主要目的是對抗「過擬合」，通過主動去掉部分分支來降低過擬合的風險。

【簡介】

決策樹是一種解決分類問題的演算法，決策樹演算法採用樹形結構，使用層層推理來實現最終的分類。

❹ 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。