简述
在复杂的决策情况中,往往需要多层次或多阶段的决策。当一个阶段决策完成后,可能有m种新的不同自然状态发生;每种自然状态下,都有m个新的策略可选择,选择后产生不同的结果并再次面临新的自然状态,继续产生一系列的决策过程,这种决策被称为序列决策或多级决策。此时,如果继续遵循上述的决策准则或采用效益矩阵分析问题,就容易使相应的表格关系十分复杂。决策树是一种能帮助决策者进行序列决策分析的有效工具,其方法是将问题中有关策略、自然状态、概率及收益值等通过线条和图形用类似于树状的形式表示出来。
决策树模型就是由决策点、策略点(事件点)及结果构成的树形图,一般应用于序列决策中,通常以最大收益期望值或最低期望成本作为决策准则,通过图解方式求解在不同条件下各类方案的效益值,然后通过比较,做出决策。2
优点在决策树模型的使用中需要考虑算法的特性。其中,决策树模型的优点有:
一是浅层的(Shallow)决策树视觉上非常直观,而且容易解释。
二是对数据的结构和分布不需作任何假设。
三是可以捕捉住变量间的相互作用(Interaction)。
缺点决策树模型的缺点有:
一是深层的(Deep)决策树视觉上和解释上都比较困难。
二是决策树容易过分微调于样本数据而失去稳定性和抗震荡性。
三是决策树对样本量(Sample Size)的需求比较大。
四是处理缺失值的功能非常有限。