Optimaler Entscheidungsbaum: Kurze Einführung - Versionsgeschichte

Chge am 2. Mai 2012 um 09:29 Uhr

2012-05-02T09:29:46Z

← Nächstältere Version		Version vom 2. Mai 2012, 09:29 Uhr
Zeile 4:		Zeile 4:
	[[Datei:Investment decision Insight.png\|800px\|center\|Investment decision]]		[[Datei:Investment decision Insight.png\|800px\|center\|Investment decision]]

−	Wenn eine Menge von Datenobjekten gegeben wird, kann man durch die Anwendung von Entscheidungsbäumen diese Datenobjekte automatisiert klassifizieren. Ein Entscheidungsbaum besteht dabei aus einem Wurzelknoten und beliebig vielen inneren Knoten, sowieso mindestens zwei ~~Blätter~~.	+	Wenn eine Menge von Datenobjekten gegeben wird, kann man durch die Anwendung von Entscheidungsbäumen diese Datenobjekte automatisiert klassifizieren. Ein Entscheidungsbaum besteht dabei aus einem Wurzelknoten und beliebig vielen inneren Knoten, sowieso mindestens zwei Blättern.
	Jeder Knoten repräsentiert eine logische Regel und jedes Blatt eine Antwort auf das Entscheidungsproblem.		Jeder Knoten repräsentiert eine logische Regel und jedes Blatt eine Antwort auf das Entscheidungsproblem.
	Die Komplexität und Semantik der Regeln sind in keiner Weise beschränkt.		Die Komplexität und Semantik der Regeln sind in keiner Weise beschränkt.

	Somit lassen sich mit Entscheidungsbäumen aus einem Wust von scheinbar unabhängigen Daten logisch zusammenhängende Daten mit Wahrscheinlichkeiten zur Entscheidungsfindung bilden.		Somit lassen sich mit Entscheidungsbäumen aus einem Wust von scheinbar unabhängigen Daten logisch zusammenhängende Daten mit Wahrscheinlichkeiten zur Entscheidungsfindung bilden.

Chge am 2. Mai 2012 um 09:28 Uhr

2012-05-02T09:28:14Z

← Nächstältere Version		Version vom 2. Mai 2012, 09:28 Uhr
Zeile 1:		Zeile 1:
−	Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidungsbäume in unzähligen Bereichen wieder. Um einige zu nennen, Entscheidungsbäume spielen eine Rolle in der Stochastik zur Veranschaulichung von Wahrscheinlichkeiten, im Maschinellen Lernen zur automatischen Klassifikation von Objekten, im Datamining, der Entscheidungstheorie, sowie der Medizin.	+	Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidungsbäume in unzähligen Bereichen wieder. Um nur einige zu nennen: Entscheidungsbäume spielen eine Rolle in der Stochastik zur Veranschaulichung von Wahrscheinlichkeiten, im Maschinellen Lernen zur automatischen Klassifikation von Objekten, im Datamining, der Entscheidungstheorie, sowie der Medizin.
	<br />		<br />
	Ein oft zitiertes Beispiel kommt aus dem Investmentbanking, bei dem Entscheidungsbäume nach maximaler Gewinnausschüttung optimiert werden:		Ein oft zitiertes Beispiel kommt aus dem Investmentbanking, bei dem Entscheidungsbäume nach maximaler Gewinnausschüttung optimiert werden:

Jonw am 18. April 2012 um 10:21 Uhr

2012-04-18T10:21:40Z

← Nächstältere Version		Version vom 18. April 2012, 10:21 Uhr
Zeile 7:		Zeile 7:
	Jeder Knoten repräsentiert eine logische Regel und jedes Blatt eine Antwort auf das Entscheidungsproblem.		Jeder Knoten repräsentiert eine logische Regel und jedes Blatt eine Antwort auf das Entscheidungsproblem.
	Die Komplexität und Semantik der Regeln sind in keiner Weise beschränkt.		Die Komplexität und Semantik der Regeln sind in keiner Weise beschränkt.
		+
		+	Somit lassen sich mit Entscheidungsbäumen aus einem Wust von scheinbar unabhängigen Daten logisch zusammenhängende Daten mit Wahrscheinlichkeiten zur Entscheidungsfindung bilden.

Jonw am 5. April 2012 um 14:43 Uhr

2012-04-05T14:43:15Z

← Nächstältere Version		Version vom 5. April 2012, 14:43 Uhr
Zeile 1:		Zeile 1:
−	Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidungsbäume in unzähligen Bereichen wieder.	+	Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidungsbäume in unzähligen Bereichen wieder. Um einige zu nennen, Entscheidungsbäume spielen eine Rolle in der Stochastik zur Veranschaulichung von Wahrscheinlichkeiten, im Maschinellen Lernen zur automatischen Klassifikation von Objekten, im Datamining, der Entscheidungstheorie, sowie der Medizin.
	<br />		<br />
	Ein oft zitiertes Beispiel kommt aus dem Investmentbanking, bei dem Entscheidungsbäume nach maximaler Gewinnausschüttung optimiert werden:		Ein oft zitiertes Beispiel kommt aus dem Investmentbanking, bei dem Entscheidungsbäume nach maximaler Gewinnausschüttung optimiert werden:
	[[Datei:Investment decision Insight.png\|800px\|center\|Investment decision]]		[[Datei:Investment decision Insight.png\|800px\|center\|Investment decision]]
		+
		+	Wenn eine Menge von Datenobjekten gegeben wird, kann man durch die Anwendung von Entscheidungsbäumen diese Datenobjekte automatisiert klassifizieren. Ein Entscheidungsbaum besteht dabei aus einem Wurzelknoten und beliebig vielen inneren Knoten, sowieso mindestens zwei Blätter.
		+	Jeder Knoten repräsentiert eine logische Regel und jedes Blatt eine Antwort auf das Entscheidungsproblem.
		+	Die Komplexität und Semantik der Regeln sind in keiner Weise beschränkt.

Jonw: Die Seite wurde neu angelegt: „Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidu…“

2012-04-03T10:30:35Z

Die Seite wurde neu angelegt: „Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidu…“

Neue Seite

Ein Ziel von Entscheidungsbäumen ist, aus vorhandenen Daten Regeln abzuleiten, mit denen man Voraussagen treffen kann. Somit findet sich das Thema der Entscheidungsbäume in unzähligen Bereichen wieder.
<br />
Ein oft zitiertes Beispiel kommt aus dem Investmentbanking, bei dem Entscheidungsbäume nach maximaler Gewinnausschüttung optimiert werden:
[[Datei:Investment decision Insight.png|800px|center|Investment decision]]