Arbori de Decizie

Arborii de decizie sunt niste instrumente puternice si populare pentru clasificare si prezicere. Atractivitatea acestor arbori consta in faptul ca in contrast cu retele neuronale, arborii de decizie prezinta anumite reguli specifice. Regulile pot fi exprimate in asa fel incat oamenii sa le inteleaga si sa le poata folosi intr-un limbaj de accesare a bazelor de date cum este SQL astfel incat inregistrarile care fac parte dintr-o anumita categorie sa poata fi accesate.

In unele aplicatii acuratetea clasificarii sau prezicerii este singurul lucru care conteaza. Astel de situatii nu prezinta intotdeauna interes in mod deosebit. In alte situatii abilitatea de a explica motivul luarii unei decizii este cruciala. Exista o multitudine de algoritmi pentru construirea arborilor de decizie care au in comun calitatea de a fi interpretabili. Unul din cele mai cunoscute si utilizate de-a lungul timpului este C4.5 (imbunatatitul, dar comerciala versiune este cunoscuta sub numele de See 5/C 5.0).

Definite:

Un arbore decizional este, dupa cum ii spune si numele, o structura sub forma de arbore in care fiecare nod poate fi:

- nod terminal (nod frunza)

- nod decizional

Arbore de decizie - arbore care contine in noduri cate un test pentru o anumita proprietate, fiecare arc fiind etichetat cu o valoare a proprietatii testate in nodul din care pleaca arcul respectiv, iar in fiecare frunza o clasa.

Nodurile terminale sunt etichetate cu clasificatii ( daca clasificatiile sunt simple cu .yes. si .no. atunci arborele se numeste boolean). Nodurile intermediare sunt etichetate ca atribute. Arcurile care pleaca dintr-un nod A sunt etichetate cu valorile posibile ale atributului A.

Arborii de decizie sunt cea mai puternica si cea mai populara metoda de clasificare si predictie. Atractivitatea arborilor de decizie se datoreaza faptului ca, in contrast cu retelele neuronale, reprezinta reguli. In unele aplicatii acuratetea clasificarii sau predictiei este singurul lucru care conteaza. In aceste situatii nu conteaza asa mult cum si de ce modelul merge. In alte situatii abilitatea de a explica motivul unei decizii e crucial.Sunt o multime de algoritmi pentru a costrui arbori de decizie care impartesc calitatea interpretarii.