Optimaler Entscheidungsbaum: Kurze Einführung
Warning: preg_match(): Compilation failed: group name must start with a non-digit at offset 8 in /www/htdocs/w0102873/mediawiki/includes/MagicWord.php on line 739
Aus It2010-g1
Jonw (Diskussion | Beiträge) (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…“) |
Chge (Diskussion | Beiträge) |
||
| 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 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: | ||
[[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 Blättern. | ||
| + | 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. | ||
| + | |||
| + | Somit lassen sich mit Entscheidungsbäumen aus einem Wust von scheinbar unabhängigen Daten logisch zusammenhängende Daten mit Wahrscheinlichkeiten zur Entscheidungsfindung bilden. | ||
