Wie zu Predictive Analysis Decision Trees verwenden, um die Zukunft vorhersagen
EIN Entscheidungsbaum ist ein Ansatz zur prädiktiven Analyse, dass Sie Entscheidungen treffen zu helfen. Nehmen wir zum Beispiel, dass Sie müssen entscheiden, ob eine bestimmte Menge an Geld in einer von drei Geschäftsprojekte zu investieren: ein Lebensmittel-Lkw-Geschäft, ein Restaurant oder eine Buchhandlung.
Ein Business Analyst hat für jede dieser Geschäftsideen in Prozent, die Rate der Erfolg oder Misserfolg ausgearbeitet und dem Gewinn, den Sie in jedem Fall machen würde.
| Geschäft | Erfolgsrate | Fehlerrate |
|---|---|---|
| Imbisswagen | 60 Prozent | 40 Prozent |
| Restaurant | 52 Prozent | 48 Prozent |
| Buchhandlung | 50 Prozent | 50 Prozent |
| Geschäft | Gain (USD) | Verlust (USD) |
|---|---|---|
| Imbisswagen | 20.000 | -7.000 |
| Restaurant | 40.000 | -21.000 |
| Buchhandlung | 6000 | -1000 |
Aus früheren statistischen Daten gezeigt, können Sie einen Entscheidungsbaum konstruieren, wie unten gezeigt.
Mit einem solchen Entscheidungsbaum auf einem Business-Venture zu entscheiden, beginnt mit der Berechnung erwarteter Wert für jede Alternative - eine nummerierte Rang, die Sie wählen die beste hilft.
Der erwartete Wert ist so berechnet, dass sämtliche möglichen Ergebnisse für eine Entscheidung umfasst. Die Berechnung der Erwartungswert für die Nahrungs LKW Geschäftsidee sieht wie folgt aus:
Erwartungswert der Nahrung-Lkw-Geschäft = (60 Prozent x 20.000 (USD)) + (40 Prozent * -7.000 (USD)) = 9.200 (USD)
Hier ist der erwartete Wert spiegelt den durchschnittlichen Gewinn von in einem Lebensmittel-Lkw-Geschäft zu investieren. In diesem Szenario - die Arbeit mit hypothetischen Zahlen, natürlich - wenn Sie in der Nahrung-LKW Unternehmen mehrmals (unter den gleichen Umständen jedes Mal), Ihre durchschnittliche Gewinn 9200 sein wird, zu investieren versuchen (USD) pro Geschäft.
Entsprechend können Sie die erwarteten Werte eines Restaurant-Geschäft zu berechnen und auf die gleiche Weise Buchhandlung, wie folgt:
Erwartungswert der Gastronomie = (52 Prozent x 40.000 (USD)) + (48 Prozent * -21.000 (USD)) = 10.720 (USD)
Erwartungswert der Buchhandlung Geschäft = (50 Prozent x 6.000 (USD)) + (50 Prozent * -1.000 (USD)) = 2.500 (USD)
Der erwartete Wert eines Restaurant-Geschäft stellt eine Vorhersage, wie viel Gewinn Sie (im Durchschnitt) machen würden, wenn Sie in einem Restaurant Geschäft mehrmals investiert. Daher ist der erwartete Wert wird zu einem der Kriterien, die Sie in Ihrem Unternehmen die Entscheidungsfindung darstellen. In diesem Beispiel können Sie die erwarteten Werte der drei Alternativen neigen in der Gastronomie zu fördern investieren.
Entscheidungsbäume können auch verwendet werden, Klassifizierungsregeln (in dem früheren Beispiel des Online-Uhrengeschäft erwähnt, wie sie) zu visualisieren.
Ein Entscheidungsalgorithmus erstellt einen Entscheidungsbaum, der Klassifizierungsregeln darstellt. In der Uhr-Store Beispiel möchten Sie vorherzusagen, ob ein bestimmter Kunde wird sein, eine Uhr vom Store- der Entscheidungsbaum kaufen, im Wesentlichen ein Flussdiagramm: Jeder Knoten des Entscheidungsbaums stellt eine in der Datenmatrix identifiziert Attribut. Die Blätter des Baums sind die vorhergesagten Entscheidungen.
Dieser Entscheidungsbaum sagt voraus, ob ein Kunde einen bestimmten Uhr im Online-Shop kaufen können. Die Knoten in diesem Entscheidungsbaum repräsentieren einige der Attribute Sie analyzing- jeweils eine Punktzahl ist - von Kundeninteresse an Uhren, Kunden Alter und Kunden Gehalt.
Die Anwendung des Modells auf einen neuen Kunden X können Sie einen Pfad von der Wurzel des Baumes verfolgen bis zu einem Blatt des Entscheidungsbaums (ja oder nein), die angibt, und Karten, wie die Kunden in Richtung der Uhr verhalten würde beworben werden.