今天来介绍一种决策可视化的模型，作为质量人特别是在呈现质量问题解决和质量数据分析时都会应用到，这里通过网络我收集了下面这篇文章分享给大家，一起交流和学习，希望能给你带来帮助，同时分享你的建议和意见。

决策树是最知名的决策技术之一，这可能是由于其在视觉上传达一个或一组选择及其相关的不确定性和结果的内在便利性。它们的简单结构使其可以在广泛的应用中使用。可以手工绘制它们，以帮助快速勾勒和传达决策中的关键要素。备选地，决策树的简单逻辑结构使其能够借助计算机来解决复杂的多个决策场景和问题。

决策树的基础

通过一个简单的决策树示例，我们可以看到可视化选择时使用的基本元素。该图形通常具有以下元素：

● 矩形代表决策或选择。

● 圆圈对应于不确定的结果，每个随后的分支描述具有指定概率的结果。

● 三角形表示通过决策树的路径的终点。

如上例所示，该树将对决策选项及其结果（包括不确定的结果）进行建模。在此示例中，投资十只不同股票的结果有相等的机会返回13,000美元或9,000美元，从而导致预期（或平均）回报为11,000美元。显示了三个决定，从选择投资10,000美元开始。一棵树还将显示所有可能的结果，例如13,000美元，9,000美元和10,300美元的投资回报。

为了使用树，使用一种通用的效用度量，它可以确定通过树的路径。如本例所示，效用通常以美元计量，因此更易于评估与某些选择相关的成本（例如股票购买成本）的影响。

通常从初始决策选项开始构建决策树，然后逐步进行选择和偶然事件，直到达到所有结果。一旦树被开发，您就从结果开始进行反向工作，以确定用于找到在树中移动的最佳路径或选择集的值。在这种情况下，10,900美元的股票购买预期收益使其成为10,000美元投资的最佳选择（尽管风险更大）。

决策树分析的应用

决策树具有自然的“ 如果……那么……否则……”构造，使其易于适应程序结构。它们也非常适合分类问题，在这些问题中，系统地检查了属性或特征以确定最终类别。例如，决策树可以有效地用于确定动物的种类。

因此，决策树是数据挖掘和机器学习中使用的最受欢迎的分类算法之一。示例应用程序包括：

● 使用历史销售数据评估企业的品牌扩展机会

● 使用人口统计数据确定产品的潜在购买者，以定位有限的广告预算

● 使用历史数据生成的预测模型预测申请人借款人的违约可能性

● 使用基于年龄，血压，性别，疼痛的位置和严重程度以及其他度量等因素的预测模型，帮助优先安排急诊室患者的治疗

由于它们的简单性，树形图已在广泛的行业和学科中使用，包括民用规划，能源，金融，工程，医疗保健，制药，教育，法律和商业。

决策树作为一种技术的优缺点

树形图是决策理论和应用程序中最系统的工具之一，已用于许多复杂的多阶段决策问题。它们可以帮助形成与任何选择相关的风险和机会的公正视图。它们通常用于决策分析中，以帮助确定最有可能实现目标的策略。

决策树是一种有效的技术，因为它们具有以下优点和优点：

● 易于使用和理解 -树木易于创建且在视觉上易于遵循。简短的解释通常足以获得理解。

● 透明 -决策图清楚地列出了选择和后果，以便可以挑战所有替代方案。使用简单的数学运算就可以清楚地说明模型中的结果。

● 提供评估框架 -结果的价值和可能性可以直接在树形图上量化。

● 稳健 -当事实不容易获得时，它们很容易用概率来适应新的假设。

● 实现信息评估 -决策树可以计算完美信息的价值，或者了解未来会发生什么的价值。这可以帮助确定在其他研究上花费多少以改善假设。

● 轻松与其他技术结合 -其他决策技术可用于通过树评估特定选项。净现值（NPV）和项目评审技术（PERT）分析是常见的例子。

● 非常适合计算机 -逻辑“如果……那么……否则……”结构和易于计算的决策树，使其成为计算机决策工具和模拟中使用的良好目标。

有哪些问题和局限性？

决策树的系统和逻辑结构仍然需要决策者仔细检查和验证用于构建图表的属性。与所有逻辑结构一样，如果假设是错误的，那么结论将具有误导性。树的构建者（决策者）必须确保因果关系和相关性之间的区别，尤其是对于将用于预测未来结果的树而言。

选择使用决策树时要考虑的其他事项包括：

● 从起始节点到最终结果，树形图继续增长。这将限制手动绘制的树的大小。

● 随着树大小的增加，您将开始失去透明度，因为要完全理解图中嵌入的所有属性和关系变得更加困难。

● 目标和/或成功因素分布在整个树形结构中，从而有可能失去对最重要内容的跟踪。

● 对通过树的路径的评估可能需要使用通用的效用度量标准，通常是货币单位。这可能很难实现，尤其是对于诸如核心价值之类的无形资产。

● 决策树与具有固定可能性的有限集合更好地匹配。

优秀的决策树示例

这是决策树的一个很好的例子，它提取并建模了专家在很长一段时间内获得的知识。该弗鲁姆-耶顿-杰戈决策模型提供了选择你的风格的另一种方法协同决策。

该决策树将多年的经验积累到一个页面中，可以通过仅需回答“是/否”或“高/低”的8个问题进行导航。

相关决策技术

密切相关的分析方法是影响图，它也是高度可视化的决策支持工具。影响图专注于决策事件之间的关系，可以提供一种压缩决策树中呈现的信息的方法。

NPV分析通常使用决策树进行开发和可视化。树形图有助于揭示正在将关键风险添加到正在评估的项目中的位置。

来源于网络，知识搬运，如有侵权联系本号立即删除。

品质人生cloudsea18 ∣一个致力于专业有态度的公众号