Uma árvore de decisão é um modelo hierárquico de suporte à tomada de decisão.
É o formato gráfico de um algoritmo – uma sequência de instruções ou comandos realizados de maneira sistemática com o objetivo de resolver um problema ou executar uma tarefa.
Define um caminho de como fazer escolhas, traçar caminhos e executar tarefas.
Possibilita repetir o conjunto de atividades hierarquizadas.
É uma forma de representar graficamente a atureza hierárquica da estrutura de um objeto, atividade, modelo de funcionamento.
É chamada de “estrutura de árvore” porque a representação clássica se assemelha a uma árvore , embora o gráfico geralmente esteja de cabeça para baixo em comparação com uma árvore biológica, com o “caule” no topo e as “folhas” na parte inferior.
Uma estrutura de árvore é conceitual e aparece em várias formas.
É um tipo especial de grafo e coberto na teoria de grafos.
Muito usada em estrutura dados e ciência da computação.
Só existe um caminho de um ponto a outro.
As árvores são usadas de uma forma geral, para estruturar tipos de conhecimento
Arquiteturas e protocolos de telecomunicações
Ciência da computação
Conceitos
Estrutura de algoritmo
Estrutura de dados
Estrutura gramatical.
Estrutura da Internet
Estrutura de rede
Genealogia e relação familiar
Gestão de Informação
Gestão de projetos
Gestão de processo
Organograma empresariais
Organização de páginas na web
Pesquisa
Procedimentos
Teoria e Ordenação de Conjuntos
Taxonomia para categorizar e classificar
grava instruções para tomar uma sequência de decisões para resolver problemas previamente formulados e resolvidos.
É uma maneira de exibir instruções de controle condicional, que permite que blocos de dados, comandos ou ações sejam executados, dependendo do resultado de expressões lógicas, cujo resultado é verdadeiro ou falso.
Árvores de decisão são comumente usadas em pesquisa operacional, área de conhecimento que estuda, desenvolve e aplica métodos analíticos avançados para auxiliar na tomada de melhores decisões nas mais diversas áreas de atuação humana.
Especificamente em análise de decisão, a estrutura em árvore, ajuda a identificar um grupo (cluster) de padrões e estratégias com a maior probabilidade de sucesso, para um dado contexto ou situação
É também uma ferramenta popular em aprendizado de máquina e inteligência artificial.
A estrutura de árvore é um tipo especial de grafo, um sub-grafo, que explicita o “esqueleto” do grafo, que conecta todos nós do grafo sem formar loop (só existe um só caminho entre dois nós).
Por causa dessa característica, árvores de decisão são muito usadas como modelo hierárquico de suporte à decisão com formato semelhante a uma “árvore física”, com raiz (nível mais alto), tronco, ramos e folhas (nível mais baixo).
Em virtude do uso de grafos e árvores em tudo qué é digital e inteligência artificial, as grafos e árvores são ferramentas popular para aprendizado de máquina e de humanos, funciona como um check list hieráquico e mnemônico, para identificar causas raízes de problema e estrururar a resolução de problema, como um todo.
A escalabilidade das redes hierárquicas permite replicar equipamentos na medida que a rede cresce.
Redundância: Redundância nos níveis do núcleo e de distribuição assegura a disponibilidades de rotas. Na medida em que a rede cresce, a disponibilidade se torna mais importante.
A forma de pensar hieráquica, traduzida pela estrutura de árvore, tem o objetivo de aumentar a velocidade, tempo de acesso facilidade de navegação mental ou física … através de tomadas de decisão e caminhos predefinidos … perde em flexibilidade mas ganha em aficiência.
Uma vantagem significativa de uma árvore de decisão é que ela força a consideração de todos os resultados possíveis de uma decisão e traça cada caminho para uma conclusão . Ele cria uma análise abrangente das consequências ao longo de cada ramificação e identifica os nós de decisão que precisam de uma análise mais aprofundada.
Decreve todos os possíveis caminhos e traça caminhos para a conclusão; enumera as decisões a serem tomadas numa o
Compreensivo
Uma vantagem significativa de uma árvore de decisão é que ela força a consideração de todos os resultados possíveis de uma decisão e traça cada caminho para uma conclusão. Ele cria uma análise abrangente das consequências ao longo de cada ramificação e identifica os nós de decisão que precisam de uma análise mais aprofundada.
As árvores de decisão atribuem valores específicos a cada problema, caminho de decisão e resultado. O uso de valores monetários torna os custos e benefícios explícitos. Essa abordagem identifica os caminhos de decisão relevantes, reduz a incerteza, elimina a ambigüidade e esclarece as consequências financeiras de vários cursos de ação.
Quando informações factuais não estão disponíveis, as árvores de decisão usam probabilidades de condições para manter as escolhas em perspectiva umas com as outras para comparações fáceis.
Uma estrutura de árvore é uma forma de representar a natureza hierárquica de uma estrutura em forma gráfica.
É chamada de “estrutura de árvore” porque a representação clássica se assemelha a uma árvore , embora o gráfico geralmente esteja de cabeça para baixo em comparação com uma árvore biológica, com o “caule” no topo e as “folhas” na parte inferior.
Uma estrutura de árvore é conceitual e aparece em várias formas.
É um tipo especial de grafo e coberto na teoria de grafos.
Muito usada em estrutura dados e ciência da computação.
Só existe um caminho de um ponto a outro.
Como usar
Sem entrar nos detalhes matemáticos, podemos ver as vantagens de uma árvore de decisão como uma ferramenta útil para encontrar soluções para problemas que possuem uma infinidade de probabilidades e retornos esperados. As árvores de decisão fornecem uma maneira racional de escolher entre diferentes cursos de ação.
Previsões de Comportamento do Consumidor
Além de utilizar árvores de decisão para escolher alternativas com base em valores esperados, elas também podem ser utilizadas para classificação de prioridades e realização de previsões.
Um exemplo explicará melhor esta aplicação. Suponha que um varejista de relógios queira saber a probabilidade de um cliente online comprar um relógio. Pode-se construir uma árvore de decisão que mostre os atributos dessa situação: gênero, idade e nível de renda.
Uma árvore de decisão identificará qual desses atributos tem o maior valor preditivo e, em última análise, se o visitante do site da empresa fará uma compra.
Decidir cursos de ações
- Calcular e comparar ROI de projetos – pay back, taxa de retorno, custo de oportunidade
- Tomar decisões baseadas em modelos ou algoritmos ou regras bem estabelecidas de imput, recursos e atividades.
- Tomar decisão entre descentralizar ou centralizar o negócio.
- Comparar ofertas ou propostas baseado em critérios (atributos de valor) e percepções de valores que possam ser quantificadas.
- Decidir em mater a mesma tecnoogia ou mudar.
- etc
Resolver Problemas de Classificação
- Classificar categoria de problemas por um conjunto de características. ex. perfil de cliente ideal, cia demografia, nível de relacionamento, função empresarial, uso de produtos, uso de canais de informação, distribuição e compra, e assim por diante.
- Decidir o melhor plano de referência para atingir um objetivo em função de previsões de carga de trabalho, tempo médio de execução de serviços e tipos de clientes.
Vantagens das Árvores dee Decisão
Compreensão
Compreensão e modelagem de todo o contexto, ou parte dele, de forma bem estruturada.
Explicita todos os camInhos e resultados de uma decisão.
Explicita todos os nós e relacinamento que compõem os caminhos.
Possibilita avaliar nós que precisam de avaliação mais aprodundada para resolução de problemas específicos.
Especificidade
Uma árvores de decisão provê uma solução sob medida através de atribuição de valores específicos para cada problema, apliando as mesmas regras condicionais ajustadas; explicita custos e benefícios e decisões financeiras a serem tomadas, identifica caminhos relevantes, reduz a incerteza, elimina completamente a ambiguidade.
Na ausência de fatos, o uso de árvores de decisão podem usar probabilidades de condições mais prováveis e conhecidas e comparar e prever a sensibilidade de uma decisão no resultado final de um projeto, por exemplo.
Facilidade de Uso
As árvores de decisão são fáceis de usar.
São explicadas com matemática simples, sem fórmulas complexas.
Apresentam visualmente todas as alternativas de decisão para comparações rápidas em um formato fácil de entender.
Exige apenas breves explicações.
São intuitivas e seguem o mesmo padrão de pensamento que os humanos usam ao tomar decisões.
Da mesma forma seguem o mesmo padrão que os computadores e a inteligência artificial usa.
A árvore de decisão é uma estrutura e forma de pensar e registrar o conhecimento, comunicar, fazer repetições espaçadas e resolver problemas já conhecidos com alto desempenho e autonomia.
As árvores de decisão são fáceis de usar e explicadas com matemática simples, sem fórmulas complexas. Eles apresentam visualmente todas as alternativas de decisão para comparações rápidas em um formato fácil de entender com apenas breves explicações.
Eles são intuitivos e seguem o mesmo padrão de pensamento que os humanos usam ao tomar decisões.
Versátil
Uma infinidade de problemas de negócios pode ser analisada e resolvida por árvores de decisão. São ferramentas úteis para gerentes de negócios, técnicos, engenheiros, equipe médica e qualquer pessoa que precise tomar decisões em condições incertas.
O algoritmo de uma árvore de decisão pode ser integrado a outras ferramentas de análise de gerenciamento, como Valor Presente Líquido e Técnica de Revisão de Avaliação de Projetos (PERT).
Árvores de decisão simples podem ser construídas manualmente ou usadas com programas de computador para diagramas mais complicados.
Árvores de decisão são uma técnica de senso comum para encontrar as melhores soluções para problemas com incerteza. Você deve levar um guarda-chuva para trabalhar hoje? Para descobrir, construa um diagrama de árvore de decisão simples.
