beslutningstræer

Beslutningstræer er en type modellering, der bruges til klassifikation og regression inden for maskinlæring. Træet består af noder og grene, hvor en sti fra roden til et blad definerer en beslutningsregel og den endelige forudsigelse. Ved at opdele data baseret på attributter giver beslutningstræer en forklarlig og intuitiv repræsentation af beslutningsprocessen.

Et beslutningstræ opdeles rekursivt: ved hver beslutningsnode vælges en attribut og en tærskelværdi, der mest effektivt adskiller data i overensstemmelse med et mål som information gain, gain ratio eller Gini-uret. Ved enderne findes bladnoder, som angiver klassifikationer eller gennemsnitlige værdier for regression. Algoritmer som ID3, C4.5 og CART bruges til at konstruere træet, og gennem pruning kan man reducere overfitting ved at fjerne grene uden betydelig prædiktiv værdi.

Beslutningstræer har flere fordele: de er let forståelige, kan håndtere blandede datatyper, og træet kan visualiseres. Ulemper omfatter tendens til overfitting, sensitivitet over for små ændringer i data og ofte dårlig ydeevne uden passende forbehandling eller ensemblemetoder som random forest og gradient boosting.

Anvendelser omfatter medicinsk diagnose, kreditvurdering, kundesegmentering og risikovurdering. Samlet set fungerer beslutningstræer som et grundlæggende værktøj i supervised læring og udgør byggestenene i mere komplekse ensemblemetoder.