決策樹模型是一種簡單易用的非參數分類器。它不需要對數據有任何的先驗假設，計算速度較快，結果容易解釋，而且穩健性強
基本介紹
- 中文名：決策樹模型
- 外文名：decision tree mode
- 定義：決策點、策略點等構成的樹形圖
- 特點：速度快、穩健性好等
- 套用：序列決策
- 所屬學科：計算機科學
簡述,優點,缺點,
簡述
在複雜的決策情況中，往往需要多層次或多階段的決策。當一個階段決策完成後，可能有m種新的不同自然狀態發生；每種自然狀態下，都有m個新的策略可選擇，選擇後產生不同的結果並再次面臨新的自然狀態，繼續產生一系列的決策過程，這種決策被稱為序列決策或多級決策。此時，如果繼續遵循上述的決策準則或採用效益矩陣分析問題，就容易使相應的表格關係十分複雜。決策樹是一種能幫助決策者進行序列決策分析的有效工具，其方法是將問題中有關策略、自然狀態、機率及收益值等通過線條和圖形用類似於樹狀的形式表示出來。
決策樹模型就是由決策點、策略點(事件點)及結果構成的樹形圖，一般套用於序列決策中，通常以最大收益期望值或最低期望成本作為決策準則，通過圖解方式求解在不同條件下各類方案的效益值，然後通過比較，做出決策。
優點
在決策樹模型的使用中需要考慮算法的特性。其中，決策樹模型的優點有：
一是淺層的(Shallow)決策樹視覺上非常直觀，而且容易解釋。
二是對數據的結構和分布不需作任何假設。
三是可以捕捉住變數間的相互作用(Interaction)。
缺點
決策樹模型的缺點有：
一是深層的(Deep)決策樹視覺上和解釋上都比較困難。
二是決策樹容易過分微調於樣本數據而失去穩定性和抗震盪性。
三是決策樹對樣本量(Sample Size)的需求比較大。
四是處理缺失值的功能非常有限。
