Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Karar ağacı, bir kurum veya kuruluş tarafından tercihlerin, risklerin, kazançların ve hedeflerin anlaşılmasına yardımcı olan bir teknik türüdür. Aynı zamanda birçok önemli yatırım sahalarında uygulanabilen, birbiriyle bağlantılı şans olaylarıyla ilgili olarak çıkan çeşitli karar noktalarını incelemek için kullanılan bir karar destek aracıdır. Yalnızca koşullu kontrol ifadeleri içeren bir algoritmayı görüntülemenin bir yoludur.
Karar ağacı, bir hedefe ulaşma olasılığı en yüksek olan stratejiyi belirlemeye yardımcı olmak için kullanılan bir yöntemdir. Özellikle karar analizinde olmak üzere karmaşık sorunların araştırmasında yaygın olarak kullanılmaktadır. Ayrıca makine öğrenmesinde kullanılan yaygın bir araçtır.
Genel bakış
Karar ağacı, her dahili düğümün bir öznitelik üzerinde bir "testi" temsil ettiği (örneğin, yazı mı tura mı gelir), her dalın testin sonucunu temsil ettiği ve her yaprak düğümün bir sınıf etiketini (tüm öznitelikler hesaplandıktan sonra alınan karar) temsil ettiği akış şemasına benzer bir yapıdır. Kökten yaprağa giden yollar, sınıflandırma kurallarını temsil etmektedir.
Karar analizinde, bir karar ağacı rakip alternatiflerin beklenen değerlerinin (veya beklenen faydasının) hesaplandığı görsel ve analitik bir karar destek aracı olarak kullanılmaktadır.
Bir karar ağacı üç tür düğümden oluşur:
- Karar düğümleri - genellikle karelerle temsil edilir.
- Şans düğümleri - tipik olarak dairelerle temsil edilir.
- Uç düğümler - tipik olarak üçgenlerle temsil edilir.
Karar ağacı genellikle yöneylem araştırması ve işlem yönetiminde kullanılmaktadır. Karar ağacının başka bir kullanımı, koşullu olasılıkları hesaplamak için açıklayıcı bir araç olmasıdır.
Karar ağacı, etki diyagramları, fayda fonksiyonları ve diğer karar analizi araçları ve yöntemleri; işletme, sağlık ekonomisi, mühendislik ve halk sağlığı okullarındaki lisans öğrencilerine öğretilir ve yöneylem araştırması veya yönetim bilimi araçlarının örnekleridir.
Karar ağacı yapı taşları
Karar ağacı elementleri
Soldan sağa çizilen bir karar ağacında yalnızca patlama düğümleri (bölme yolları) vardır, ancak havuz düğümleri (yakınsak yollar) yoktur. Bu nedenle, el yapımı olarak kullanıldığında çok büyüyebilirler ve bu yüzden tamamen elle çizilmeleri zordur. Geleneksel olarak, örneğin yukarıda gösterildiği gibi, karar ağaçları elle olarak oluşturulmuştur, ancak artan bir şekilde giden karar ağaçlarında özel yazılımlar kullanılmaktadır.
Karar kuralları
Karar ağacı, sonucun yaprak düğümün içeriği olduğu ve yoldaki koşulların if (koşul) cümlesinde bir birleşim oluşturduğu karar kurallarına uygulanabilirdir.
Genel kullanım kuralı:
koşul1 ve koşul2 ve koşul3 ise sonuç.
"if condition1 and condition2 and condition3 then outcome."
Hedef değişken ile ilişkilendirme kuralları oluşturularak karar kuralları oluşturulabilir. Zamansal veya nedensel ilişkileri de gösterebilirler.
Akış şeması kullanan karar ağacı
Çoğu kişi için okuması ve anlaması daha kolay olduğundan, genellikle bir karar ağacı akış şeması sembolleri kullanılarak çizilir. Aşağıda gösterilen ağacın "İLERLE" hesaplamasında kavramsal bir hata olduğunu unutmayın; hata, bir yasal işlemde hükmedilen "maliyetlerin" hesaplanmasıyla ilgilidir.
Avantajlar ve dezavantajlar
Karar ağacının avantajları:
- Anlaması ve yorumlaması basit. İnsanlar kısa bir açıklamadan sonra karar ağacı modellerini anlayabilecektir.
- Bir durumu (alternatifleri, olasılıkları ve maliyetleri) ve sonuç tercihlerini tanımlayan uzmanlara dayalı olarak önemli ön görüler oluşturulabilmektedir.
- Farklı senaryolar için en kötü, en iyi ve beklenen değerlerin belirlenmesine yardımcı olmaktadır.
- Diğer karar teknikleriyle birleştirilebilmektedir.
Karar ağacının dezavantajları:
- Kararsızdırlar, yani verilerdeki küçük bir değişikliğin, en iyi durumdaki karar ağacının yapısında büyük bir değişikliğe yol açabileceği anlamına gelmektedir.
- Genellikle hatalıdırlar. Diğer birçok tahmin algoritmaları benzer verilerle daha iyi performans gösterir. Bu, tek bir karar ağacını rastgele orman ile değiştirerek düzeltilebilir, ancak rastgele ormanın tek bir karar ağacı kadar yorumlanması kolay değildir.
- Farklı sayıda seviyeye sahip kategorik değişkenler içeren veriler için, karar ağaçlarındaki bilgi kazanımı, daha fazla seviyeye sahip öznitelikler lehine önyargılıdır.
- Hesaplamalar çok karmaşık hale gelebilir, özellikle de birçok değer belirsizse veya birçok sonuç ile bağlantılıysa.
Kaynakça
- ^ "Arşivlenmiş kopya" (PDF). 19 Mayıs 2021 tarihinde kaynağından (PDF). Erişim tarihi: 21 Mayıs 2021.
- ^ . GeeksforGeeks (İngilizce). 16 Ekim 2017. 17 Ekim 2017 tarihinde kaynağından arşivlendi. Erişim tarihi: 19 Mayıs 2021.
- ^ Kamiński, Bogumił; Jakubczyk, Michał; Szufel, Przemysław (2018). "A framework for sensitivity analysis of decision trees". Central European Journal of Operations Research. 26 (1): 135-159. doi:10.1007/s10100-017-0479-6. ISSN 1435-246X. (PMC) 5767274 $2. (PMID) 29375266.
- ^ "Simplifying decision trees". International Journal of Man-Machine Studies (İngilizce). 27 (3): 221-234. 1 Eylül 1987. doi:10.1016/S0020-7373(87)80053-6. ISSN 0020-7373. 19 Mayıs 2021 tarihinde kaynağından . Erişim tarihi: 21 Mayıs 2021.
- ^ Karimi, Kamran; Hamilton, Howard J. (19 Nisan 2010). "Generation and Interpretation of Temporal Decision Rules". arXiv:1004.3334 [cs]. 3 Mart 2021 tarihinde kaynağından . Erişim tarihi: 21 Mayıs 2021.
- ^ . ResearchGate (İngilizce). 11 Haziran 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 19 Mayıs 2021.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Karar agaci bir kurum veya kurulus tarafindan tercihlerin risklerin kazanclarin ve hedeflerin anlasilmasina yardimci olan bir teknik turudur Ayni zamanda bircok onemli yatirim sahalarinda uygulanabilen birbiriyle baglantili sans olaylariyla ilgili olarak cikan cesitli karar noktalarini incelemek icin kullanilan bir karar destek aracidir Yalnizca kosullu kontrol ifadeleri iceren bir algoritmayi goruntulemenin bir yoludur Karar agaci bir hedefe ulasma olasiligi en yuksek olan stratejiyi belirlemeye yardimci olmak icin kullanilan bir yontemdir Ozellikle karar analizinde olmak uzere karmasik sorunlarin arastirmasinda yaygin olarak kullanilmaktadir Ayrica makine ogrenmesinde kullanilan yaygin bir aractir Genel bakisKarar agaci her dahili dugumun bir oznitelik uzerinde bir testi temsil ettigi ornegin yazi mi tura mi gelir her dalin testin sonucunu temsil ettigi ve her yaprak dugumun bir sinif etiketini tum oznitelikler hesaplandiktan sonra alinan karar temsil ettigi akis semasina benzer bir yapidir Kokten yapraga giden yollar siniflandirma kurallarini temsil etmektedir Karar analizinde bir karar agaci rakip alternatiflerin beklenen degerlerinin veya beklenen faydasinin hesaplandigi gorsel ve analitik bir karar destek araci olarak kullanilmaktadir Bir karar agaci uc tur dugumden olusur Karar dugumleri genellikle karelerle temsil edilir Sans dugumleri tipik olarak dairelerle temsil edilir Uc dugumler tipik olarak ucgenlerle temsil edilir Karar agaci genellikle yoneylem arastirmasi ve islem yonetiminde kullanilmaktadir Karar agacinin baska bir kullanimi kosullu olasiliklari hesaplamak icin aciklayici bir arac olmasidir Karar agaci etki diyagramlari fayda fonksiyonlari ve diger karar analizi araclari ve yontemleri isletme saglik ekonomisi muhendislik ve halk sagligi okullarindaki lisans ogrencilerine ogretilir ve yoneylem arastirmasi veya yonetim bilimi araclarinin ornekleridir Karar agaci yapi taslariKarar agaci elementleri Karar agaci elementleri Soldan saga cizilen bir karar agacinda yalnizca patlama dugumleri bolme yollari vardir ancak havuz dugumleri yakinsak yollar yoktur Bu nedenle el yapimi olarak kullanildiginda cok buyuyebilirler ve bu yuzden tamamen elle cizilmeleri zordur Geleneksel olarak ornegin yukarida gosterildigi gibi karar agaclari elle olarak olusturulmustur ancak artan bir sekilde giden karar agaclarinda ozel yazilimlar kullanilmaktadir Karar kurallari Karar agaci sonucun yaprak dugumun icerigi oldugu ve yoldaki kosullarin if kosul cumlesinde bir birlesim olusturdugu karar kurallarina uygulanabilirdir Genel kullanim kurali kosul1 ve kosul2 ve kosul3 ise sonuc if condition1 and condition2 and condition3 then outcome Hedef degisken ile iliskilendirme kurallari olusturularak karar kurallari olusturulabilir Zamansal veya nedensel iliskileri de gosterebilirler Akis semasi kullanan karar agaci Cogu kisi icin okumasi ve anlamasi daha kolay oldugundan genellikle bir karar agaci akis semasi sembolleri kullanilarak cizilir Asagida gosterilen agacin ILERLE hesaplamasinda kavramsal bir hata oldugunu unutmayin hata bir yasal islemde hukmedilen maliyetlerin hesaplanmasiyla ilgilidir Akis semasi ornekAvantajlar ve dezavantajlarKarar agacinin avantajlari Anlamasi ve yorumlamasi basit Insanlar kisa bir aciklamadan sonra karar agaci modellerini anlayabilecektir Bir durumu alternatifleri olasiliklari ve maliyetleri ve sonuc tercihlerini tanimlayan uzmanlara dayali olarak onemli on goruler olusturulabilmektedir Farkli senaryolar icin en kotu en iyi ve beklenen degerlerin belirlenmesine yardimci olmaktadir Diger karar teknikleriyle birlestirilebilmektedir Karar agacinin dezavantajlari Kararsizdirlar yani verilerdeki kucuk bir degisikligin en iyi durumdaki karar agacinin yapisinda buyuk bir degisiklige yol acabilecegi anlamina gelmektedir Genellikle hatalidirlar Diger bircok tahmin algoritmalari benzer verilerle daha iyi performans gosterir Bu tek bir karar agacini rastgele orman ile degistirerek duzeltilebilir ancak rastgele ormanin tek bir karar agaci kadar yorumlanmasi kolay degildir Farkli sayida seviyeye sahip kategorik degiskenler iceren veriler icin karar agaclarindaki bilgi kazanimi daha fazla seviyeye sahip oznitelikler lehine onyargilidir Hesaplamalar cok karmasik hale gelebilir ozellikle de bircok deger belirsizse veya bircok sonuc ile baglantiliysa Kaynakca Arsivlenmis kopya PDF 19 Mayis 2021 tarihinde kaynagindan PDF Erisim tarihi 21 Mayis 2021 GeeksforGeeks Ingilizce 16 Ekim 2017 17 Ekim 2017 tarihinde kaynagindan arsivlendi Erisim tarihi 19 Mayis 2021 Kaminski Bogumil Jakubczyk Michal Szufel Przemyslaw 2018 A framework for sensitivity analysis of decision trees Central European Journal of Operations Research 26 1 135 159 doi 10 1007 s10100 017 0479 6 ISSN 1435 246X PMC 5767274 2 PMID 29375266 Simplifying decision trees International Journal of Man Machine Studies Ingilizce 27 3 221 234 1 Eylul 1987 doi 10 1016 S0020 7373 87 80053 6 ISSN 0020 7373 19 Mayis 2021 tarihinde kaynagindan Erisim tarihi 21 Mayis 2021 Karimi Kamran Hamilton Howard J 19 Nisan 2010 Generation and Interpretation of Temporal Decision Rules arXiv 1004 3334 cs 3 Mart 2021 tarihinde kaynagindan Erisim tarihi 21 Mayis 2021 ResearchGate Ingilizce 11 Haziran 2019 tarihinde kaynagindan arsivlendi Erisim tarihi 19 Mayis 2021