1) A decision tree is a decision su

1) A decision tree is a decision support tool that uses a tree-like graph or model of decisions and their possible consequences, including chance event outcomes, resource costs, and utility. It is one way to display an algorithm.
Decision trees are commonly used in operations research,
specifically indecision analysis, to help identify a strategy most likely to reach a goal.
In decision analysis a decision tree and the closely related influence diagram are used as a visual and analytical decision support tool, where the expected values (or expected utility) of competing alternatives are calculated. A decision tree consists of 3 types of nodes:
a) Decision nodes - commonly represented by squares
b) Chance nodes - represented by circles
c) End nodes - represented by triangles
Decision trees are commonly used in operations research, specifically in decision analysis, to help identify a strategy most likely to reach a goal. If in practice decisions have to be taken online with no recall under incomplete knowledge, a decision tree should be paralleled by a probability model as a best choice model or online selection model algorithm. Another use of decision trees is as a descriptive means for calculating conditional probabilities.
2) Decision tree builds classification or regression models in the form of a tree structure. It breaks down a dataset into smaller and smaller subsets while at the same time an associated decision tree is incrementally developed. The final result is a tree with decision nodes and leaf nodes. A decision node (e.g., Outlook) has two or more branches (e.g., Sunny, Overcast and Rainy). Leaf node (e.g., Play) represents a classification or decision. The topmost decision node in a tree which corresponds to the best predictor called root node. Decision trees can handle both categorical and numerical data.

ผลลัพธ์ (ไทย) 1:

1) ต้นไม้ตัดสินใจเป็นเครื่องมือสนับสนุนการตัดสินใจที่ใช้เช่นแผนภูมิกราฟหรือรูปแบบของการตัดสินใจและผลของพวกเขาได้ ผลลัพธ์ของเหตุการณ์โอกาส ต้นทุนทรัพยากร และยูทิลิตี้ จึงเป็นวิธีหนึ่งในการแสดงขั้นตอนวิธีการต้นไม้การตัดสินใจนั้นมักใช้ในการดำเนินงานวิจัยโดยเฉพาะ indecision วิเคราะห์ เพื่อช่วยระบุกลยุทธ์ที่มักไปถึงเป้าหมายในการวิเคราะห์ตัดสินใจ ต้นไม้ตัดสินใจและแผนภาพอิทธิพลที่เกี่ยวข้องอย่างใกล้ชิดจะใช้เป็นเครื่องมือมองเห็น และวิเคราะห์ตัดสินใจสนับสนุน ที่คำนวณค่าคาดหมาย (หรือโปรแกรมอรรถประโยชน์ที่คาดว่า) ตัวเลือกแข่งขัน ต้นไม้ตัดสินใจประกอบด้วย 3 ชนิดของโหน:) โหนตัดสินใจ - โดยทั่วไปแสดง ด้วยสี่เหลี่ยมb) โหนดโอกาส - แทน ด้วยวงกลมc) โหนดสิ้นสุด - แทน ด้วยสามเหลี่ยมต้นไม้การตัดสินใจโดยทั่วไปจะใช้ในการดำเนินงานวิจัย โดยเฉพาะอย่างยิ่งในการวิเคราะห์การตัดสินใจ เพื่อช่วยระบุกลยุทธ์ที่มักไปถึงเป้าหมาย ถ้าในทางปฏิบัติ ตัดสินใจควรออนไลน์ ด้วยการเรียกคืนภายใต้ความรู้สมบูรณ์ ต้นไม้การตัดสินใจควรแห่งดวง โดยแบบจำลองความน่าเป็นแบบจำลองทางเลือกดีที่สุดหรือเลือกออนไลน์รุ่นอัลกอริทึม ต้นไม้ตัดสินใจใช้อีกเป็นวิธีสื่อความหมายสำหรับการคำนวณแบบมีเงื่อนไขกิจกรรม2) แผนภูมิตัดสินใจสร้างรูปแบบการจัดประเภทหรือถดถอยในรูปแบบของโครงสร้างต้นไม้ จะแบ่งชุดข้อมูลเป็นชุดย่อยขนาดเล็ก และขนาดเล็กในขณะเวลาเดียวกัน ต้นไม้การตัดสินใจที่เกี่ยวข้องเป็นแบบเพิ่มหน่วยพัฒนา ผลสุดท้ายเป็นตัดสินโหนดและโหนโหนดปลายสุด โหนตัดสินใจ (เช่น Outlook) มีอย่าง น้อยสองสาขา (เช่น ซันนี่ Overcast และฝน) โหนดสาขา (เช่น เล่น) หมายถึงประเภทหรือการตัดสินใจ โหนตัดสินอยู่ด้านบนสุดในแผนภูมิซึ่งสอดคล้องกับจำนวนประตูที่ดีที่สุดเรียกว่าโหนดราก ต้นไม้การตัดสินใจสามารถจัดการกับข้อมูลที่แน่ชัด และเป็นตัวเลข

ผลลัพธ์ (ไทย) 2:

1) ต้นไม้ตัดสินใจเป็นเครื่องมือสนับสนุนการตัดสินใจที่ใช้กราฟต้นไม้หรือรูปแบบของการตัดสินใจและผลกระทบที่เป็นไปได้ของพวกเขารวมถึงผลการจัดกิจกรรมที่มีโอกาสที่ค่าใช้จ่ายทรัพยากรและยูทิลิตี้ มันเป็นวิธีหนึ่งที่จะแสดงขั้นตอนวิธี.
ต้นไม้การตัดสินใจเป็นที่นิยมใช้ในการวิจัยการดำเนินงาน
โดยเฉพาะการวิเคราะห์ความไม่แน่ใจที่จะช่วยในการระบุกลยุทธ์ส่วนใหญ่มีแนวโน้มที่จะบรรลุเป้าหมาย.
ในการวิเคราะห์การตัดสินใจต้นไม้ตัดสินใจและแผนภาพอิทธิพลที่เกี่ยวข้องอย่างใกล้ชิดจะถูกใช้เป็น การตัดสินใจของภาพและการวิเคราะห์เครื่องมือสนับสนุนที่คาดว่าค่า (หรือยูทิลิตี้คาดว่า) ทางเลือกการแข่งขันจะมีการคำนวณ ต้นไม้ตัดสินใจประกอบด้วย 3 ประเภทของโหนด:
) โหนดการตัดสินใจ - ตัวแทนโดยทั่วไปสี่เหลี่ยม
ข) โหนดโอกาส - ตัวแทนจากวงการ
ค) โหนด End - ตัวแทนจากสามเหลี่ยม
ต้นไม้การตัดสินใจเป็นที่นิยมใช้ในการวิจัยการดำเนินงานโดยเฉพาะในการวิเคราะห์การตัดสินใจที่จะ ช่วยในการระบุกลยุทธ์ส่วนใหญ่มีแนวโน้มที่จะบรรลุเป้าหมาย หากในการตัดสินใจทางปฏิบัติจะต้องมีการดำเนินการออนไลน์ที่มีการเรียกคืนภายใต้ความรู้ที่ไม่สมบูรณ์ไม่มีต้นไม้ตัดสินใจควรได้รับการขนานรูปแบบความน่าจะเป็นรูปแบบการเลือกที่ดีที่สุดหรือขั้นตอนวิธีการเลือกรูปแบบออนไลน์ การใช้งานของต้นไม้การตัดสินใจก็คือเป็นวิธีอธิบายสำหรับการคำนวณความน่าจะเป็นเงื่อนไข.
2) ต้นไม้ตัดสินใจสร้างการจัดหมวดหมู่หรือรูปแบบการถดถอยในรูปแบบของโครงสร้าง แบ่งลงชุดข้อมูลที่เข้ามาในส่วนย่อยที่มีขนาดเล็กและขนาดเล็กในขณะที่ในเวลาเดียวกันต้นไม้ตัดสินใจที่เกี่ยวข้องได้รับการพัฒนาเพิ่มขึ้น ผลสุดท้ายคือต้นไม้ที่มีโหนดตัดสินใจและโหนดใบ โหนดการตัดสินใจ (เช่น Outlook) มีสองคนหรือมากกว่าสาขา (เช่นซันนี่มืดครึ้มและฝนตก) โหนดใบ (เช่นเล่น) แสดงให้เห็นถึงการจัดหมวดหมู่หรือการตัดสินใจ โหนดการตัดสินใจสูงสุดในต้นไม้ซึ่งสอดคล้องกับทำนายที่ดีที่สุดที่เรียกว่าโหนดราก ต้นไม้ตัดสินใจสามารถจัดการข้อมูลทั้งเด็ดขาดและตัวเลข

ผลลัพธ์ (ไทย) 3:

1 ) โครงสร้างการตัดสินใจ เป็นเครื่องมือสนับสนุนการตัดสินใจ ที่ใช้ต้นไม้ เหมือนกราฟ หรือรูปแบบของการตัดสินใจและผลกระทบที่เป็นไปได้ของพวกเขา รวมทั้งเหตุการณ์โอกาส ผล ต้นทุน ทรัพยากรและสาธารณูปโภค มันเป็นวิธีหนึ่งที่จะแสดงขั้นตอนวิธี .
ต้นไม้การตัดสินใจมักใช้ในการวิจัยการดำเนินงาน
โดยเฉพาะไม่แน่ใจการวิเคราะห์เพื่อช่วยระบุกลยุทธ์ส่วนใหญ่มีแนวโน้มที่จะไปถึงเป้าหมาย
ในการวิเคราะห์การตัดสินใจการตัดสินใจแบบต้นไม้ และอิทธิพลที่เกี่ยวข้องอย่างใกล้ชิด แผนภาพที่ใช้เป็นภาพและวิเคราะห์เครื่องมือสนับสนุนการตัดสินใจ ซึ่งคาดว่าค่า ( หรืออรรถประโยชน์ที่คาดหวัง ) ทางเลือกของการแข่งขันที่มีการคํานวณ โครงสร้างการตัดสินใจประกอบด้วย 3 ประเภทของโหนด :
) การตัดสินใจ - มักแทนด้วยจุดสี่เหลี่ยม
b ) แสดงโดยวงกลม
โหนด - โอกาสc ) ปลายโหนด - แสดงโดยสามเหลี่ยม
ต้นไม้ตัดสินใจมักใช้ในการวิจัยการดำเนินงาน โดยเฉพาะในการวิเคราะห์การตัดสินใจเพื่อช่วยระบุกลยุทธ์ส่วนใหญ่มีแนวโน้มที่จะไปถึงเป้าหมาย ถ้าการตัดสินใจในการปฏิบัติ ต้องได้รับออนไลน์กับไม่มีการเรียกคืนตามความรู้ไม่ครบถ้วนโครงสร้างการตัดสินใจควรจะได้โดยแบบจำลองความน่าจะเป็นเป็นทางเลือกที่ดีที่สุดที่ออนไลน์เลือกรูปแบบหรือแบบจำลองขั้นตอนวิธี อื่นใช้ต้นไม้ตัดสินใจเป็นวิธีการเชิงคำนวณความน่าจะเป็นเงื่อนไข .
2 ) การตัดสินใจแบบต้นไม้สร้างหมวดหมู่หรือถดถอยแบบจำลองในรูปของโครงสร้างต้นไม้มันแบ่งชุดข้อมูลเป็นข้อมูลที่มีขนาดเล็กและขนาดเล็กในขณะที่ในเวลาเดียวกันที่โครงสร้างการตัดสินใจพัฒนาเพิ่มทีละขั้น ผลสุดท้ายคือ ต้นไม้ กับ การตัดสินใจ และโหนดโหนดใบ การตัดสินใจของโหนด ( เช่น Outlook ) ได้มากกว่าสองสาขา ( เช่น , แดด , มืดครึ้มและฝนตก ) ของโหนดใบ ( เช่น เล่น ) หมายถึงหมวดหมู่ หรือการตัดสินใจโหนดในต้นไม้การตัดสินสูงสุด ซึ่งตรงกับสามารถทำนายเรียกว่าโหนดราก ต้นไม้การตัดสินใจสามารถจัดการทั้งเชิงคุณภาพและข้อมูลเชิงตัวเลข .