决策树分析决策数法的名词解释

如何运用决策树进行决策分析

决策树分析法是通过决策树图形展示临床重要结局，明确思路，比较各种备选方案预期结果进行决策的方法。

　　决策树分析法通常有6个步骤。

　　第一步：明确决策问题，确定备选方案。

对要解决的问题应该有清楚的界定，应该列出所有可能的备选方案。

　　第二步：绘出决策树图形。

决策树用3种不同的符号分别表示决策结、机会结、结局结。

决策结用图形符号如方框表示，放在决策树的左端，每个备选方案用从该结引出的]个臂(线条)表示；实施每一个备选方案时都司能发生一系列受机遇控制的机会事件，用图形符号圆圈表示，称为机会结，每一个机会结司以有多个直接结局，例如某种治疗方案有3个结局(治愈、改善、药物毒性致死)，则机会结有3个臂。

最终结局用图形符号如小三角形表示，称为结局结，总是放在决策树最右端。

从左至右机会结的顺序应该依照事件的时间先后关系而定。

但不管机会结有多少个结局，从每个机会结引出的结局必须是互相排斥的状态，不能互相包容或交叉。

　　第三步：明确各种结局可能出现的概率。

可以从文献中类似的病人去查找相关的概率，也可以从临床经验进行推测。

所有这些概率都要在决策树上标示出来。

在为每一个机会结发出的直接结局臂标记发生概率时，必须注意各概率相加之和必须为1.0。

　　第四步：对最终结局用适宜的效用值赋值。

效用值是病人对健康状态偏好程度的测量，通常应用0-1的数字表示，一般最好的健康状态为1，死亡为0。

有时可以用寿命年、质量调整寿命年表示。

　　第五步：计算每一种备远方案的期望值。

计算期望值的方法是从"树尖"开始向"树根"的方向进行计算，将每一个机会结所有的结局效用值与其发生概率分别相乘，其总和为该机会结的期望效用值。

在每一个决策臂中，各机会结的期望效用值分别与其发生概率相乘，其总和为该决策方案的期望效用值，选择期望值最高的备选方案为决策方案。

　　第六步：应用敏感性试验对决策分析的结论进行测试。

敏感分析的目的是测试决策分析结论的真实性。

敏感分析要回答的问题是当概率及结局效用值等在一个合理的范围内变动时，决策分析的结论会不会改变。

决策树 是什么意思啊？

同学你好，很高兴为您解答！ 　　决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

由于这种决策分支画成图形很像一棵树的枝干，故称决策树。

在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。

Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。

这一度量是基于信息学理论中熵的概念。

　　决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。

　　分类树（决策树）是一种十分常用的分类方法。

他是一种监管学习，所谓监管学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。

这样的机器学习就被称之为监督学习。

? 　　希望我的回答能帮助您解决问题，如您满意，请采纳为最佳答案哟。

　　再次感谢您的提问，更多财会问题欢迎提交给高顿企业知道。

　　 高顿祝您生活愉快！

管理学决策树问题

打字累，不知道这样对不对。

[]400÷(2+1+2)]×100= 100天 出 / 8000件 ? 1天 ~ 产80 件/件 80售~天1^ 用数字，没用那什么树。

决策树法的步骤

（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。

决策树的适用范围是什么？

决策树的适用范围： 科学的决策是现代管理者的一项重要职责。

我们在企业管理实践中，常遇到的情景是：若干个可行性方案制订出来了，分析一下企业内、外部环境，大部分条件是己知的，但还存在一定的不确定因素。

每个方案的执行都可能出现几种结果，各种结果的出现有一定的概率，企业决策存在着一定的胜算，也存在着一定的风险。

这时，决策的标准只能是期望值。

即，各种状态下的加权平均值。

针对上述问题，用决策树法来解决不失为一种好的选择。

决策树法作为一种决策技术，已被广泛地应用于企业的投资决策之中，它是随机决策模型中最常见、最普及的一种规策模式和方法此方法，有效地控制了决策带来的风险。

所谓决策树法，就是运用树状图表示各决策的期望值，通过计算，最终优选出效益最大、成本最小的决策方法。

决策树法属于风险型决策方法，不同于确定型决策方法，二者适用的条件也不同。

应用决策树决策方法必须具备以下条件： 1、具有决策者期望达到的明确目标； 2、存在决策者可以选择的两个以上的可行备选方案； 3、存在着决策者无法控制的两种以上的自然状态(如气候变化、市场行情、经济发展动向等)； 5、不同行动方案在不同自然状态下的收益值或损失值(简称损益值)可以计算出来； 6、决策者能估计出不同的自然状态发生概率。

决策树(decisiontree)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。

决策数法的名词解释

决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。

图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。

决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。

[1] 中文名 决策树法 外文名 Decision tree 原 理 概率论 常用方法 风险分析决策方法 要 素 决策结点、方案分枝、状态结点等 分析工具 树形图 适用范围 定量分析