Fogalomtár

Döntési fa

Mi a(z) Döntési fa?

A döntési fa olyan modell, amely a döntést egyszerű igen/nem kérdések sorozataként ábrázolja: minden ág egy jellemzőt vizsgál, és minden levél egy kimenetet ad. A gépi tanulásban az ilyen fákat az adatokból automatikusan tanulják meg, és osztályozásra vagy előrejelzésre használják. Fő erősségük az átláthatóság – például megmutatják, miért jelölt meg a rendszer egy hitelkérelmet a jövedelem, a futamidő és a fizetési előzmények alapján.

Így segít a KI.ordo

A KI.ordo munkafolyamataiban az egyszerű döntési utak a „Feltétel” (igen/nem) és az „MI-döntő” (legfeljebb 8 kategória) építőelemekkel modellezhetők.

További információ

Témák

Gépi tanulás
Besorolás
Átláthatóság

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Véletlen erdő regresszió

A véletlen erdő regresszió számértékeket jelez előre úgy, hogy sok döntési fát kombinál. Minden fát az adatok egy véletlen mintáján és a jellemzők véletlen kiválasztásán tanítanak; az eredmény az összes fa előrejelzésének átlaga. Ez a módszert robusztusabbá és az egyetlen fánál kevésbé túlillesztésre hajlamossá teszi. Használják például értékesítési előrejelzésekhez, árbecslésekhez vagy energiaigény-becsléshez – táblázatos adatoknál gyakran megbízható kiindulópontként.

regresszió
együttes módszer
+1

gradiensnövelés

A gradiensnövelés (gradient boosting) olyan gépi tanulási technika, amely sok egyszerű modellt – általában kis döntési fákat – kapcsol egymás után. Minden új fát kifejezetten arra tanítanak, hogy csökkentse az előzők megmaradt hibáit. Az eredmény rendkívül pontos modell táblázatos adatokra, például hitelkockázathoz, értékesítési előrejelzésekhez vagy az ügyfélelvándorlás valószínűségéhez. Ismert megvalósításai az XGBoost, a LightGBM és a CatBoost; a túlillesztés elkerüléséhez gondos hangolás szükséges.

Gépi tanulás
együttes módszer
+1

Osztályozó

Az osztályozó olyan modell vagy módszer, amely a bemeneteket több előre meghatározott kategória egyikébe sorolja. A klasszikus változatokat, például a döntési fákat vagy a naiv Bayes-t címkézett példákon tanítják; a nyelvi modellek a kategóriák leírása alapján is képesek szövegeket rendezni. Tipikus felhasználás a spamfelismerés, az ügyfélmegkeresések téma szerinti rendezése és a bizonylatok kategorizálása. A minőséget olyan mérőszámokkal mérik, mint a helyesség, a pontosság és a fedés.

Besorolás
Gépi tanulás
+1

Sablon

Heurisztikák

A heurisztikák ökölszabályok vagy egyszerűsített stratégiák, amelyek ésszerű időn belül jó, bár nem feltétlenül optimális megoldáshoz vezetnek. Az informatikában és az MI-ben segítenek leszűkíteni a hatalmas keresési tereket – például az útvonaltervezésben, ahol a célhoz vezető légvonalbeli távolság szolgál becslésként, vagy a sakkban, ahol az állásokat értékelik. Az emberek is használnak heurisztikákat a mindennapokban és az üzleti döntésekben, a rendszeres gondolkodási hibák kockázatával.

problémamegoldás
algoritmusok
+1