Qərar ağacları həm təsnifat, həm də reqressiya tapşırıqları üçün istifadə edilən məşhur alqoritmdir. Onlar hədəf dəyişənini ən yaxşı şəkildə ayıran xüsusiyyətlərə əsasən verilənləri rekursiv şəkildə alt çoxluqlara bölmək yolu ilə işləyirlər.
Proqnozlar vermək və qərar qəbul etmək üçün addımlar
1. Ağac Tikintisi
-
Kök qovşağı: Bütün verilənlər dəsti ilə başlayır.
-
Xüsusiyyət Seçimi: Verilənləri alt çoxluqlara bölmək üçün ən yaxşı xüsusiyyəti seçir. "Ən yaxşı" xüsusiyyət bir meyarla müəyyən edilir (məsələn, Cini çirkliliyi və ya məlumat qazanması).
-
Parçalanma: Seçilmiş funksiyanın dəyərlərinə əsasən verilənləri alt çoxluqlara bölür.
-
Rekursiv Parçalanma: Müəyyən dayandırma meyarları yerinə yetirilənə qədər (maksimum dərinliyə çatmaq və ya çox az nümunəyə malik olmaq kimi) budaqlar və ya qovşaqlar yaradaraq, hər bir alt çoxluq üçün bu prosesi davam etdirir.
2. Qərar vermə və proqnozlaşdırma
-
Traversal: Yeni məlumatlar üçün proqnozlar verərkən, o, həmin məlumat nöqtəsi üçün xüsusiyyətlərin dəyərlərinə əsaslanaraq ağacdan keçir.
-
Düyün Qiymətləndirilməsi: Hər bir qovşaqda o, xüsusiyyətin dəyərini eşik həddə qarşı sınayır və müvafiq budaqdan sonra ağacdan aşağı hərəkət edir.
-
Yarpaq qovşaqları: Nəhayət, son proqnoz və ya qərar verən yarpaq düyününə çatır.
3. Kateqorik və Rəqəmsal Xüsusiyyətlərin İdarə Edilməsi
-
Kateqorik xüsusiyyətlərə görə, qərar ağacları müxtəlif kateqoriyalar əsasında sadəcə bölünə bilər.
-
Rəqəmsal xüsusiyyətlər üçün qərar ağacları məlumatları optimal şəkildə bölmək üçün müxtəlif hədləri sınayırlar.
4. Həddindən artıq uyğunlaşmanın idarə edilməsi
- Qərar ağacları həddindən artıq uyğunlaşmaya meyllidir. Budama, ağacın dərinliyini məhdudlaşdırmaq və ya düyünü parçalamaq üçün tələb olunan minimum nümunə sayının təyin edilməsi kimi üsullar həddindən artıq uyğunlaşmanın qarşısını almağa kömək edir.
5. Proqnoz Etibar və Ehtimal
- Təsnifatda qərar ağacları yarpaq düyünlərində nümunələrin paylanması əsasında sinif ehtimallarını təmin edə bilər. Reqressiya üçün yarpaq düyünlərindəki orta və ya çoxluq dəyərinə əsaslanan davamlı çıxış təmin edir.
6. Tərcümə qabiliyyəti
- Qərar ağaclarının əhəmiyyətli üstünlüklərindən biri onların şərh edilməsidir. Onlar asanlıqla vizuallaşdırılır və başa düşülür, qərarlar qəbul edərkən hansı xüsusiyyətlərin ən vacib olduğunu başa düşməyə imkan verir.
7. Ansambl Metodları
- Qərar ağacları performansı və möhkəmliyi yaxşılaşdırmaq üçün Təsadüfi Meşələr və ya Gradient Artırma kimi ansambl üsullarında birləşdirilə bilər.
Qərar ağacları verilənlər daxilində mürəkkəb münasibətlərin modelləşdirilməsinə sadə, lakin güclü yanaşma təklif edir. Bununla belə, onlar sadə qərar sərhədləri əsasında və ya səs-küylü və ya uyğun olmayan xüsusiyyətlər olduqda yaxşı bölünməyən müəyyən növ məlumatlarla mübarizə apara bilərlər.
