Hur man använder prediktiva analysbeslut Träd att förutse framtiden - dummies

Ett beslutsträd är ett sätt att analysera analysen som kan hjälpa dig att fatta beslut. Antag exempelvis att du måste bestämma om du ska investera en viss summa pengar i ett av tre affärsprojekt: en livsmedelsaffärsaffär, en restaurang eller en bokhandel.

En företagsanalytiker har utarbetat graden av misslyckande eller framgång för var och en av dessa affärsidéer som procentandelar och vinsten du skulle göra i varje enskilt fall.

Företag	Framgångspris	Felaktighet
Matfordon	60 procent	40 procent
Restaurang	52 procent	48 procent < Bokhandel
50 procent	50 procent	Företag

Förbättring (USD)	Förlust (USD)	Livsmedelsbil
20 000	-7 000 < Restaurang	40 000
-21 000	Bokhandel	6 000
-1 000		Från tidigare statistiska data visas kan du konstruera ett beslutsträd som visas nedan.

Med hjälp av ett sådant beslutsbom som bestämmer sig för ett företagsföretag börjar man med att beräkna förväntat värde

för varje alternativ - en numrerad rang som hjälper dig att välja den bästa. Det förväntade värdet beräknas på ett sådant sätt att det innehåller alla möjliga resultat för ett beslut. Beräkning av det förväntade värdet för livsmedelsaffärsidén ser så här ut:

Förväntat värde för livsmedelsaffärsverksamhet = (60 procent x 20 000 (USD)) + (40 procent * -7 000 (USD)) = 9, 200 (USD) > Här återspeglar det förväntade värdet den genomsnittliga vinsten från att investera i en livsmedelsaffärsverksamhet. I det här scenariot - självklart med hypotetiska siffror - om du försöker investera i livsmedelsaffärsföretag flera gånger (under samma omständigheter varje gång) blir din genomsnittliga vinst 9, 200 (USD) per företag.

Följaktligen kan du beräkna de förväntade värdena för restaurangaffärer och bokhandel på följande sätt:

Förväntat värde för restaurangverksamhet = (52 procent x 40 000 (USD)) + (48 procent * - 21 000 (USD)) = 10, 720 (USD)

Förväntat värde på bokhandelns verksamhet = (50 procent x 6 000 (USD)) + (50 procent * -1 000 (USD)) = 2, 500 (USD)

Det förväntade värdet av ett restaurangbransch är en förutsägelse för hur mycket vinst du skulle göra (i genomsnitt) om du investerat flera gånger i ett restaurangbransch. Därför blir det förväntade värdet ett av de kriterier du räknar med i ditt företags beslutsfattande. I det här exemplet kan de förväntade värdena för de tre alternativen luta dig för att gynna investeringar i restaurangbranschen.

Besluts träd kan också användas för att visualisera klassificeringsregler (som de som nämns i det tidigare exemplet på online-kiosken).

En beslutsalgoritm genererar ett beslutsträd som representerar klassificeringsregler. I urvalet exempel vill du förutse om en viss kund kommer att köpa en klocka från din butik. Beslutet kommer att vara i huvudsak ett flödesschema: Varje

nod

av beslutsträdet representerar en egenskap som identifieras i datamatrisen. Trädens löv är de förutspådda besluten.

Detta besluts träd förutsäger om en kund kan köpa en viss klocka i nätbutiken. Noderna i detta besluts träd representerar några av de attribut du analyserar; var och en är en poäng - av kundintresse i klockor, kundålder och kundlön. Använda modellen till en ny Kund X kan du spåra en väg från trädets rota ner till ett beslutstree blad (ja eller nej) som indikerar och kartlägger hur den här kunden skulle uppträda mot klockan som annonseras.