デシジョン ツリーの利点と欠点

デシジョン ツリーは、考えられる結果の範囲と、最初の決定後に下されたその後の決定を表示しようとする図です。たとえば、あなたの最初の決定は大学に通うかどうかであり、ツリーは、あなたの決定に基づいて、さまざまな活動に費やされる時間と収益力を示しようとする場合があります。決定木を使用することには、注目すべき長所と短所がいくつかあります。

結果を考慮する

意思決定ツリーの最も有用な側面の 1 つは、考えられる限り多くの意思決定の結果を考慮する必要があることです。結果の範囲を考慮せずに、瞬間的な決定を下すのは危険です。デシジョン ツリーは、ある決定が別の決定に対してもたらす可能性のある結果を比較検討するのに役立ちます。場合によっては、意思決定の予想利益を見積もるのにも役立ちます。たとえば、すべての結果と各結果に関連付けられた確率のドル価値の見積もりを作成する場合、これらの数値を使用して、どの初期決定が最大の平均財務利益につながるかを計算できます。デシジョン ツリーは、意思決定の確率と利益を考慮するためのフレームワークを提供します。これは、意思決定を分析して、最も情報に基づいた意思決定を可能にするのに役立ちます。

期待

決定木を使用することの欠点は、決定の結果、その後の決定、およびペイオフが主に期待に基づいている可能性があることです。実際の決定が下されたとき、利益と結果としての決定は、計画したものとは異なる場合があります。決定の結果として発生する可能性のあるすべての不測の事態を計画することは不可能な場合があります。これにより、非現実的な意思決定ツリーが作成され、不適切な決定に導かれる可能性があります。また、予期しない出来事によって意思決定が変更され、意思決定ツリーの利益が変わる可能性があります。たとえば、学校に行くことを決定したときに両親が大学の半分の費用を負担することを期待していたが、後で授業料をすべて支払う必要があることに気付いた場合、期待される見返りは現実とは劇的に異なります.

複雑さ

ツリーに含まれる決定と結果がほとんどない場合、決定ツリーは比較的理解しやすいものです。多数の決定ノード (新しい決定が行われる場所) を含む大規模なツリーは、畳み込み可能であり、価値が限られている可能性があります。ツリー内の決定が多いほど、予想される結果の精度が低くなる可能性があります。たとえば、大学に行くという決定を木でマッピングした場合、10 年間で 100,000 ドルを超える可能性を正確に予測することはおそらくできないでしょうが、収入を正確に見積もることはできるかもしれません。