1樓：濟寧鈦浩機械****
科學的決策是現代管理者的一項重要職責。我們在企業管理實踐中，常遇到的情景是：若干個可行性方案制訂出來了，分析一下企業內、外部環境，大部分條件是己知的，但還存在一定的不確定因素。
每個方案的執行都可能出現幾種結果，各種結果的出現有一定的概率，企業決策存在著一定的勝算，也存在著一定的風險。這時，決策的標準只能是期望值。即，各種狀態下的加權平均值。
針對上述問題，用決策樹法來解決不失為一種好的選擇。
決策樹法作為一種決策技術，已被廣泛地應用於企業的投資決策之中，它是隨機決策模型中最常見、最普及的一種規策模式和方法此方法，有效地控制了決策帶來的風險。所謂決策樹法，就是運用樹狀圖表示各決策的期望值，通過計算，最終優選出效益最大、成本最小的決策方法。決策樹法屬於風險型決策方法，不同於確定型決策方法，二者適用的條件也不同。
應用決策樹決策方法必須具備以下條件：
1、具有決策者期望達到的明確目標；
2、存在決策者可以選擇的兩個以上的可行備選方案；
3、存在著決策者無法控制的兩種以上的自然狀態(如氣候變化、市場**、經濟發展動向等)；
5、不同行動方案在不同自然狀態下的收益值或損失值(簡稱損益值)可以計算出來；
6、決策者能估計出不同的自然狀態發生概率。
決策樹(decisiontree)一般都是自上而下的來生成的。每個決策或事件（即自然狀態）都可能引出兩個或多個事件，導致不同的結果，把這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。
決策樹演算法 cart和c4.5決策樹有什麼區別？各用於什麼領域？
2樓：
c4.5演算法
是在id3演算法的基礎上採用資訊增益率的方法選擇測試屬性。 id3演算法和c4.5演算法雖然在對訓練樣內本集的學習容中可以儘可能多地挖掘資訊，但其生成的決策樹分支較大，規模較大。
為了簡化決策樹的規模，提高生成決策樹的效率，又出現了根據gini係數來選擇測試屬性的決策樹演算法cart。
cart演算法採用一種二分遞迴分割的技術，與基於資訊熵的演算法不同，cart演算法對每次樣本集的劃分計算gini係數，gini係數，gini係數越小則劃分越合理。cart演算法總是將當前樣本集分割為兩個子樣本集，使得生成的決策樹的每個非葉結點都只有兩個分枝。因此cart演算法生成的決策樹是結構簡潔的二叉樹。
3樓：匿名使用者
1、baic4.5演算法是在id3演算法的基礎上du採用資訊增益率的方法zhi選擇測試屬性。cart演算法採用一種dao
二分遞迴歸分割的技術，與基答
於資訊熵的演算法不同，cart演算法對每次樣本集的劃分計算gini係數，gini係數，gini係數越小則劃分越合理。
2、決策樹演算法是一種逼近離散函式值的方法。它是一種典型的分類方法，首先對資料進行處理，利用歸納演算法生成可讀的規則和決策樹，然後使用決策對新資料進行分析。本質上決策樹是通過一系列規則對資料進行分類的過程。
3、決策樹演算法構造決策樹來發現資料中蘊涵的分類規則．如何構造精度高、規模小的決策樹是決策樹演算法的核心內容。決策樹構造可以分兩步進行。第一步，決策樹的生成：
由訓練樣本集生成決策樹的過程。一般情況下，訓練樣本資料集是根據實際需要有歷史的、有一定綜合程度的，用於資料分析處理的資料集。第二步，決策樹的剪技：
決策樹的剪枝是對上一階段生成的決策樹進行檢驗、校正和修下的過程，主要是用新的樣本資料集（稱為測試資料集）中的資料校驗決策樹生成過程中產生的初步規則，將那些影響預衡準確性的分枝剪除。
python構造決策樹要呼叫什麼包
呼叫這個包 sklearn.tree 例子 from sklearn.datasets import load iris from sklearn.model selection import cross val score from sklearn.tree import decisiontree...
泡桐的種類，泡桐樹的物種分類
paulownia sieb.et zucc.泡桐屬，玄蔘科，7種。毛泡桐 光泡桐 蘭考泡桐 楸葉泡桐 白花泡桐 臺灣泡桐 泡桐屬。泡桐樹的物種分類 p.catalpifolia gong tong。南方泡桐，樹圓錐狀或廣圓錐狀。葉心圓形，葉背密生樹枝狀毛和粘質腺毛，初生葉往往帶紫色。圓錐花序枝寬大...
騾子不是物種的話那算怎麼分類，騾子不是一個物種，那騾子算什麼
ls不懂別亂說啊 復.騾子那種不是基因突 制變，而是驢bai 和馬的人工雜交物。因du為作zhi為先代的馬和驢並不是同一dao個物種，所以他們的染色體數量不同，結果使子代的騾子的染色體不成對 63個 所以生殖細胞無法進行 也就導致了騾子沒有生殖功能。除非真的基因突變了.而作為 物種 的一個重要條件就...