Γλωσσάριο

Δέντρο αποφάσεων

Τι είναι Δέντρο αποφάσεων;

Ένα δέντρο αποφάσεων είναι ένα μοντέλο που αναπαριστά μια απόφαση ως ακολουθία απλών ερωτήσεων ναι/όχι: κάθε κλάδος ελέγχει ένα χαρακτηριστικό και κάθε φύλλο δίνει ένα αποτέλεσμα. Στη μηχανική μάθηση, τέτοια δέντρα μαθαίνονται αυτόματα από δεδομένα και χρησιμοποιούνται για ταξινόμηση ή πρόβλεψη. Το κύριο πλεονέκτημά τους είναι η διαφάνεια – για παράδειγμα, δείχνουν γιατί μια αίτηση δανείου επισημάνθηκε με βάση το εισόδημα, τη διάρκεια και το ιστορικό πληρωμών.

Πώς βοηθά το KI.ordo

Στις ροές εργασιών του KI.ordo, απλές διαδρομές αποφάσεων μπορούν να μοντελοποιηθούν με τα μπλοκ «Συνθήκη» (ναι/όχι) και «Αποφασιστής ΤΝ» (έως 8 κατηγορίες).

Μάθετε περισσότερα

Θέματα

Μηχανική μάθηση
Κατάταξη
Διαφάνεια

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Παλινδρόμηση τυχαίου δάσους

Η παλινδρόμηση τυχαίου δάσους (random forest regression) προβλέπει αριθμητικές τιμές συνδυάζοντας πολλά δέντρα αποφάσεων. Κάθε δέντρο εκπαιδεύεται σε ένα τυχαίο δείγμα των δεδομένων και σε μια τυχαία επιλογή χαρακτηριστικών· το αποτέλεσμα είναι ο μέσος όρος των προβλέψεων όλων των δέντρων. Έτσι η μέθοδος είναι πιο ανθεκτική και λιγότερο επιρρεπής σε υπερπροσαρμογή από ένα μεμονωμένο δέντρο. Χρησιμοποιείται, για παράδειγμα, για προβλέψεις πωλήσεων, εκτιμήσεις τιμών ή ενεργειακή ζήτηση – συχνά ως στέρεο σημείο εκκίνησης για πινακοειδή δεδομένα.

παλινδρόμηση
μέθοδος συνόλου
+1

Gradient boosting

Το gradient boosting είναι μια τεχνική μηχανικής μάθησης που συνδυάζει πολλά απλά μοντέλα – συνήθως μικρά δέντρα αποφάσεων – διαδοχικά. Κάθε νέο δέντρο εκπαιδεύεται ειδικά ώστε να μειώνει τα εναπομείναντα σφάλματα των προηγούμενων. Το αποτέλεσμα είναι εξαιρετικά ακριβή μοντέλα για πινακοποιημένα δεδομένα, για παράδειγμα για πιστωτικό κίνδυνο, προβλέψεις πωλήσεων ή πιθανότητα διαρροής πελατών. Γνωστές υλοποιήσεις είναι τα XGBoost, LightGBM και CatBoost· απαιτείται προσεκτικός συντονισμός για να αποφευχθεί η υπερπροσαρμογή.

Μηχανική μάθηση
μέθοδος συνόλου (ensemble)
+1

Ταξινομητής

Ένας ταξινομητής είναι ένα μοντέλο ή μια μέθοδος που αντιστοιχίζει εισόδους σε μία από πολλές προκαθορισμένες κατηγορίες. Κλασικές παραλλαγές, όπως τα δέντρα αποφάσεων ή ο απλός Bayes (naive Bayes), εκπαιδεύονται σε επισημασμένα παραδείγματα· τα γλωσσικά μοντέλα μπορούν επίσης να ταξινομούν κείμενα βάσει μιας περιγραφής των κατηγοριών. Τυπικές χρήσεις είναι ο εντοπισμός ανεπιθύμητης αλληλογραφίας, η ταξινόμηση αιτημάτων πελατών ανά θέμα και η κατηγοριοποίηση αποδείξεων. Η ποιότητα μετριέται με μετρικές όπως η ορθότητα, η ακρίβεια και η ανάκληση.

Κατάταξη
Μηχανική μάθηση
+1

Πρότυπο

Ευρετικές μέθοδοι

Οι ευρετικές μέθοδοι (heuristics) είναι εμπειρικοί κανόνες ή απλοποιημένες στρατηγικές που οδηγούν σε μια καλή, αν και όχι εγγυημένα βέλτιστη, λύση σε εύλογο χρόνο. Στην πληροφορική και την ΤΝ βοηθούν να περιοριστούν τεράστιοι χώροι αναζήτησης – για παράδειγμα στον σχεδιασμό διαδρομών, όπου η απόσταση σε ευθεία γραμμή από τον προορισμό χρησιμεύει ως εκτίμηση, ή στο σκάκι, όπου αξιολογούνται οι θέσεις. Οι άνθρωποι χρησιμοποιούν επίσης ευρετικές μεθόδους στην καθημερινή ζωή και στις επιχειρηματικές αποφάσεις, με τον κίνδυνο συστηματικών σφαλμάτων σκέψης.

επίλυση προβλημάτων
αλγόριθμοι
+1