决策树法

有限理性决策的主要观点如下： （1）手段-目标链的内涵有一定矛盾，简单的手段-目标链分析会导致不准确的结论。 西蒙认为，手段-目标链的次序系统很少是一个系统的、全面联系的链，组织活动和基本目的之间的联系常常是模糊不清的，这些基本目的也是个不完全系统，这些基本目的内部和达到这些目的所选择的各种手段内部，也存在着冲突和矛盾。 （2）决策者追求理性，但又不是最大限度地追求理性，他只要求有限理性。 这是因为人的知识有限，决策者既不可能掌握全部信息，也无法认识决策的详尽规律。比如说，人的计算能力有限，即使借助计算机，也没有办法处理数量巨大的变量方程组；人的想像力和设计能力有限，不可能把所有备择方案全部列出；人的价值取向并非一成不变，目的时常改变；人的目的往往是多元的，而且互相抵触，没有统一的标准。因此，作为决策者的个体，其有限理性限制他作出完全理性的决策，他只能尽力追求在他的能力范围内的有限理性。 （3）决策者在决策中追求“满意”标准，而非最优标准。 在决策过程中，决策者定下一个最基本的要求，然后考察现有的备择方案。如果有一个备择方案能较好地满足定下的最基本的要求，决策者就实现了满意标准，他就不愿意再去研究或寻找更好的备择方案了。 这是因为一方面，人们往往不愿发挥继续研究的积极性，仅满足于已有的备择方案； 另一方面，由于种种条件的约束，决策者本身也缺乏这方面的能力。在现实生活中，往往可以得到较满意的方案，而非最优的方案。 根据以上几点，决策者承认自己感觉到的世界只是纷繁复杂的真实世界的极端简化，他们满意的标准不是最大值，所以不必去确定所有可能的备择方案，由于感到真实世界是无法把握的，他们往往满足于用简单的方法，凭经验、习惯和惯例去办事。因此，导致的决策结果也各有不同。（完全)理性决策的观点：1、决策者面临的是一个既定的问题， 2、决策者选择决定的各种目的，价值或目标是明确的，而且可以依据不同目标的重要性进行排序。 3、决策者有可供选择的两个以上的方案，面对着这些方案，通常在逐一选择的基础上，选取其中一个。假如方案基本是相同的，通常会作相同的决定。 4、决策者对同一个问题会面临着一种或多种自然状态。它们是不以人们意志为转移的不可控因素。或者可以说决策者的偏好会随着时空的变化而变化。 5、决策者会将每一个方案，在不同的自然状态下的收益值(程度)或损失值(程度)计(估)算出来，经过比较后，按照决策者的价值偏好，选出其中最佳者。建立在“经济人”假说之上的完全理性决策理论只是一种理想模式，不可能指导实际中的决策。西蒙的有限理性模型（最满意模型），这是一个比较现实的模型，它认为人的理性是处于完全理性和完全非理性之间的一种有限理性。您可以参考一下这里的信息：

减少数的深度用决策树法训练大量数据集最节约时间。决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。决策树的另一个使用是作为计算条件概率的描述性手段。决策论中（如风险管理），决策树由一个决策图和可能的结果（包括资源成本和风险）组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树法原理：它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。

它利用了概率论的原理，并且利用一种树形图作为分析工具。其基本原理是用决策点代表决策问题，用方案分枝代表可供选择的方案，用概率分枝代表方案可能出现的各种结果，经过对各种方案在各种结果条件下损益值的计算比较，为决策者提供决策依据。 决策树分析法是常用的风险分析决策方法。该方法是一种用树形图来描述各方案在未来收益的计算。比较以及选择的方法，其决策是以期望值为标准的。人们对未来可能会遇到好几种不同的情况。每种情况均有出现的可能，人们现无法确知，但是可以根据以前的资料来推断各种自然状态出现的概率。在这样的条件下，人们计算的各种方案在未来的经济效果只能是考虑到各种自然状态出现的概率的期望值，与未来的实际收益不会完全相等。 如果一个决策树只在树的根部有一决策点，则称为单级决策；若一个决策不仅在树的根部有决策点，而且在树的中间也有决策点，则称为多级决策。

决策树法的几个关键步骤是：1、画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来．先画决策点，再找方案分枝和方案点．最后再画出概率分枝。2、由专家估计法或用试验数据推算出概率值．并把概率写在概率分枝的位置上。3、计算益损期望值，从树梢开始，由右向左的顺序进行．用期望值法计算．若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。扩展资料决策树的优点1、决策树易于理解和实现. 人们在通过解释后都有能力去理解决策树所表达的意义。2、对于决策树，数据的准备往往是简单或者是不必要的 . 其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。3、能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。4、 在相对短的时间内能够对大型数据源做出可行且效果良好的结果。5、对缺失值不敏感6、可以处理不相关特征数据7、效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。决策树的缺点1、对连续性的字段比较难预测。2、对有时间顺序的数据，需要很多预处理的工作。3、当类别太多时，错误可能就会增加的比较快。4、一般的算法分类的时候，只是根据一个字段来分类。5、在处理特征关联性比较强的数据时表现得不是太好

两者区别如下所述：决策树法指的是人们把决策问题的自然状态或条件出现的概率、行动方案、益损值、预测结果等，用一个树状图表示出来，并利用该图反映出人们思考、预测、决策的全过程。综合评价法指的是运用多个指标对多个参评单位进行评价的方法，简称综合评价方法。

利用了概率论原理并且利用种树形图作分析工具其基本原理用决策点代表决策问题用方案分枝代表供选择方案用概率分枝代表方案能出现各种结经过对各种方案各种结条件下损益值计算比较决策者提供决策依据决策树分析法常用风险分析决策方法该方法种用树形图来描述各方案未来收益计算比较及选择方法其决策期望值标准人们对未来能会遇好几种同情况每种情况均有出现能人们目前无法确知根据前资料来推断各种自状态出现概率样条件下人们计算各种方案未来经济效只能考虑各种自状态出现概率期望值与未来实际收益会完全相等决策树只树根部有决策点则称单级决策;若决策仅树根部有决策点而且树间也有决策点则称多级决策

决策树法属于风险型决策方法。决策树法就是把决策过程用树状图来表示。树状图一般是由决策点、方案分枝、自然状态点、概率分枝和结果点几个关键部分构成。树状图表现了两种不同的决策环节，一种是主观抉择环节，另一种是客观抉择环节。决策树法适用于风险型决策。决策树分析法是指分析每个决策或事件（即自然状态）时，都引出两个或多个事件和不同的结果，并把这种决策或事件的分支画成图形，这种图形很像一棵树的枝干，故称决策树分析法。决策树法的几个关键步骤是：（1）画出决策树，画决策树的过程也就是对未来可能发生的各种事件进行周密思考、预测的过程，把这些情况用树状图表示出来。先画决策点，再找方案分枝和方案点。最后再画出概率分枝。（2）由专家估计法或用试验数据推算出概率值。并把概率写在概率分枝的位置上。（3）计算益损期望值，从树梢开始，由右向左的顺序进行。用期望值法计算。若决策目标是盈利时，比较各分枝，取期望值最大的分枝，其他分枝进行修剪。