Ordlista

Beslutsträd

Vad är Beslutsträd?

Ett beslutsträd är en modell som beskriver ett beslut som en följd av enkla ja/nej-frågor: varje gren testar en egenskap och varje löv ger ett utfall. Inom maskininlärning lärs sådana träd automatiskt från data och används för klassificering eller prognoser. Deras främsta styrka är transparens – de kan till exempel visa varför en låneansökan flaggades utifrån inkomst, löptid och betalningshistorik.

Så hjälper KI.ordo

I flöden i KI.ordo kan enkla beslutsvägar byggas upp med blocken ”Villkor” (ja/nej) och ”AI-beslutare” (upp till 8 kategorier).

Läs mer

Ämnen

Maskininlärning
Bedömning
Transparens

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Random forest-regression

Random forest-regression förutsäger numeriska värden genom att kombinera många beslutsträd. Varje träd tränas på ett slumpmässigt urval av data och ett slumpmässigt urval av särdrag; resultatet är medelvärdet av allaträds förutsägelser. Det gör metoden robustare och mindre benägen för överanpassning än ett enskilt träd. Den används till exempel för försäljningsprognoser, prisuppskattningar eller energibehov – ofta som en stabil utgångspunkt för tabelldata.

regression
ensemblemetod
+1

Gradient boosting

Gradient boosting är en maskininlärningsteknik som kombinerar många enkla modeller – oftast små beslutsträd – efter varandra. Varje nytt träd tränas särskilt för att minska de återstående felen hos de föregående. Resultatet är mycket träffsäkra modeller för tabelldata, till exempel för kreditrisk, försäljningsprognoser eller sannolikhet för kundbortfall. Kända implementeringar är XGBoost, LightGBM och CatBoost; noggrann justering krävs för att undvika överanpassning.

Maskininlärning
Ensemblemetod
+1

Klassificerare

En klassificerare är en modell eller metod som placerar indata i en av flera förutbestämda kategorier. Klassiska varianter som beslutsträd eller naiv Bayes tränas på annoterade exempel; språkmodeller kan också sortera texter utifrån en beskrivning av kategorierna. Typiska användningar är skräppostdetektering, sortering av kundförfrågningar efter ämne och kategorisering av kvitton. Kvaliteten mäts med mått som noggrannhet, precision och täckning.

Bedömning
Maskininlärning
+1

Mall

Heuristik

Heuristik är tumregler eller förenklade strategier som leder till en bra, men inte garanterat optimal, lösning inom rimlig tid. Inom datavetenskap och AI hjälper de till att begränsa enorma sökrymder – till exempel vid ruttplanering, där fågelvägen till målet fungerar som uppskattning, eller i schack, där ställningar värderas. Människor använder också heuristik i vardagen och i affärsbeslut, med risk för systematiska tankefel.

Problemlösning
Algoritmer
+1