Ordliste

Beslutningstræ

Hvad er Beslutningstræ?

Et beslutningstræ er en model, der fremstiller en beslutning som en række enkle ja/nej-spørgsmål: Hver gren tester ét træk, og hvert blad giver et udfald. I maskinlæring læres sådanne træer automatisk ud fra data og bruges til klassifikation eller prognoser. Deres største styrke er gennemsigtighed – f.eks. kan de vise, hvorfor en låneansøgning blev markeret ud fra indkomst, løbetid og betalingshistorik.

Sådan hjælper KI.ordo

I KI.ordo-flows kan enkle beslutningsforløb modelleres med blokkene 'Betingelse' (ja/nej) og 'AI-beslutter' (op til 8 kategorier).

Læs mere

Emner

Maskinlæring
Klassificering
Gennemsigtighed

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

Random forest-regression

Random forest-regression forudsiger numeriske værdier ved at kombinere mange beslutningstræer. Hvert træ trænes på en tilfældig stikprøve af dataene og et tilfældigt udvalg af features; resultatet er gennemsnittet af alle træernes forudsigelser. Det gør metoden mere robust og mindre tilbøjelig til overfitting end et enkelt træ. Den bruges f.eks. til salgsprognoser, prisvurderinger eller energibehov – ofte som et solidt udgangspunkt for tabeldata.

regression
ensemblemetode
+1

Gradient boosting

Gradient boosting er en maskinlæringsteknik, der kombinerer mange simple modeller – som regel små beslutningstræer – efter hinanden. Hvert nyt træ trænes specifikt til at mindske de resterende fejl fra de foregående. Resultatet er yderst nøjagtige modeller til tabeldata, f.eks. til kreditrisiko, salgsprognoser eller sandsynlighed for kundeafgang. Kendte implementeringer er XGBoost, LightGBM og CatBoost; omhyggelig tuning er nødvendig for at undgå overfitting.

Maskinlæring
Ensemblemetode
+1

Klassifikator

En klassifikator er en model eller metode, der tildeler input til én af flere foruddefinerede kategorier. Klassiske varianter som beslutningstræer eller naive Bayes trænes på mærkede eksempler; sprogmodeller kan også sortere tekster ud fra en beskrivelse af kategorierne. Typiske anvendelser er spamgenkendelse, sortering af kundehenvendelser efter emne og kategorisering af bilag. Kvaliteten måles med nøgletal som nøjagtighed, præcision og recall.

Klassificering
Maskinlæring
+1

Skabelon

Heuristikker

Heuristikker er tommelfingerregler eller forenklede strategier, der inden for rimelig tid fører til en god, men ikke garanteret optimal løsning. I datalogi og AI hjælper de med at indsnævre enorme søgerum – f.eks. i ruteplanlægning, hvor luftlinjeafstanden til målet bruges som estimat, eller i skak, hvor stillinger vurderes. Mennesker bruger også heuristikker i hverdagen og i forretningsbeslutninger, med risiko for systematiske tankefejl.

Problemløsning
Algoritmer
+1