文档介绍：决策树法决策树的简介决策树(DecisionTree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。决策树是以实例为基础的归纳学****算法。它从一组无次序、无规则的元组中推理出决策树表示形式的分类规则;采用自顶向下的递归方式,在决策树的内部节点进行属性值的比较,并根据不同的属性值从该节点向下分支,而叶节点是要学****划分的类。从根节点到叶节点的一条路径就对应着一条合取规则,整个决策树就对应着一组析取表达式规则。决策树的构造决策树图示决策点方案枝状态枝机会点后果点名词解释决策点:::::(h1)P(h2)P(h1)P(h2)P(h1)P(h2)l(d1,h1)l(d1,h2)l(d2,h1)l(d2,h2)l(h3,h1)l(h3,h2)决策树的一般表示:d1,d2,(h1),P(h2)表示2种可能状态的概率,l(d,h)(或q(d,h)),再根据决策目标选择最优方案,,剪枝有分预先剪枝和后剪枝两种。决策树的剪枝预先剪枝是在树的生长过程中设定一个指标,当达到该指标时就停止生长,这样做容易产生“视界局限”,就是一旦停止分支,使得节点N成为叶节点,就断绝了其后继节点进行“好”的分支操作的任何可能性。不严格的说这些已停止的分支会误导学****算法,导致产生的树不纯度降差最大的地方过分靠近根节点。决策树的剪枝后剪枝中树首先要充分生长,直到叶节点都有最小的不纯度值为止,因而可以克服“视界局限”。然后对所有相邻的成对叶节点考虑是否消去它们,如果消去能引起令人满意的不纯度增长,那么执行消去,并令它们的公共父节点成为新的叶节点。这种“合并”叶节点的做法和节点分支的过程恰好相反,经过剪枝后叶节点常常会分布在很宽的层次上,树也变得非平衡。明确问题的决策目标,所有行动方案,所有可能状态,状态分布列,损益函数的所有取值;从左到右依次画出决策点,方案枝,机会点,机会枝后果点,并标注;计算并标注机会点的值;根据决策目标选择最优方案,:为了适应市场的需要,某地准备扩大电视机生产。市场预测表明:;。备选方案有三个:第一个方案是建设大工厂,需要投资600万元,可使用10年;如销路好,每年可赢利200万元;如销路不好,每年会亏损40万元。第二个方案是建设小工厂,需投资280万元;如销路好,每年可赢利80万元;如销路不好,每年也会赢利60万元。第三个方案也是先建设小工厂,但是如销路好,3年后扩建,扩建需投资400万元,可使用7年,扩建后每年会赢利190万元。试作出决策。实例