Luokituspuu

Luokituspuu on puumainen malli, joka järjestää kohteet hierarkkisesti luokkiin. Jokainen havainto kulkee puun oksien kautta ja päätyy lehteen, jossa oleva luokka tai päätös määrittää lopullisen tuloksen. Puun rakenne on tulkittavissa, mikä helpottaa mallin ymmärtämistä ja selittämistä.

Biologiassa luokituspuu kuvaa hierarkkista systemaattista luokitusta, jossa lajit ja suuremmat ryhmät jaetaan yhä pienempiin osiin. Oksat heijastavat eriytymistä ja evolutiivisia suhteita, lehdet taas yksittäisiä luokkia kuten lajeja tai lajiryhmiä.

Tietotekniikassa luokituspuu tarkoittaa päätöspuuta, jota käytetään luokitteluun. Jokainen solmu testaa yhtä ominaisuutta ja ohjaa havaintoa seuraavalle solmulle, kunnes saavutetaan lehti, joka antaa lopullisen luokan. Yleisiä rakennusmenetelmiä ovat ID3, C4.5 ja CART. Ominaisuuksien käsittelyyn soveltuvat sekä numeeriset että kategoriset muuttujat; puun rakentamisessa käytetään kriteereitä kuten entropia ja informaation voitto tai Gini-epäjärjestys.

Puun etuja ovat tulkittavuus, nopea arviointi ja kyky käsitellä erilaisia muuttujia. Rajoitteita ovat taipumus overfittingiin erityisesti pienillä tai meluisilla datoilla sekä herkkyys pienille datamuutoksille. Näiden vuoksi puuta käytetään usein osana ensemble-tekniikoita, kuten Random Forest tai gradientti-boostatut puut, jotka parantavat suorituskykyä ja vakautta.

Käyttökohteita ovat lääketiede, talous, biologinen lajiluokitus sekä teksti- ja kuvantunnistus. Suomessa termiä luokituspuu käytetään vastaavissa yhteyksissä sekä koulutuksessa että teollisessa sovelluksessa. Luokituspuut ovat perusvälineitä sekä eksploratiiviseen analyysiin että ennustaviin malleihin.