의사 결정 나무
다양한 의사결정 결로와 결과를 놓고 나무 구조를 이용하여 설명하는 것
질문을 던지면서 대상에 접근해 가는 스무고개 놀이와 유사
질문은 조건을 이분법적으로 제시하면서 진행한다.
지도학습 기법으로서 변수의 영역을 게속적으로 분할해 나가면서 집단을 몇개의 소집단으로 분류하거나 예측하는 기법
맨 위쪽에 뿌리 노드로 시작해서 아래로 가면서 가지를 치고 마지막까지 진행한다.
처음에 어떤 분류기준을 선택할 것인가를 결정하는 것은 여러 알고리즘이 있다.
예를 들어, 프로 야구선수중에서 자유게약 선수(Free Agaent: FA)의 연봉을 의사결정 나무로 간단히 그려보자.
의사결저과정에서 나무를 가지고 목표와상황과 상호 관련성을 나타내어 최종 결정을 내린다. 의사결정 규칙을 나물 구조로 도식화 하여 관심대상의 집단을 몇 개의 소집단으로 분류하거나 예측할 수 있다.
if-else 원리로 코딩할 수 있다.
일반적으로 기업에서 의사결정을 내릴때, 어떠한 위험(손실)과 기회(이익)가 있는지 판단하여 최적의 의사결정을 도와주는 프로그램으로 많이 활용한다.
1단계
나무 모형 구축: 분석 목적과 자료구조에 따라 적절한 분리기준과 정지규칙을 정하여 나무를 만들어 나간다.
2단계
가지치기 : 분류 오류를 크게 할 위험이 높거나 부적절한 추론규칙이 내재된 가지는 제거한다.
3단계
분리작업: 더 이상 유효하지 않거나 최소 노드수에 도달할 때까지 분리를 계속한다.
4단계
타당성 평가: 이익 또는 위험 도표나 검정자료를 이용하여 나무 모형의 교차 타당성을 평가한다.
5단계
해석과 예측: 결과를 해석하고 예측을 수행한다.
시각적인 효과는 행동의 결정 뿐만 아니라 미래의 계획을 세우는 데도 유용하게 사용될 수 있다.
그래서 의사결정나무를 적합성나무(relevance tree)라고도 부른다.
