Ventajas y desventajas de los árboles de decisión

Los árboles de decisión son diagramas que intentan mostrar el rango de posibles resultados y las decisiones posteriores que se toman después de una decisión inicial. Por ejemplo, su decisión original podría ser si asistir a la universidad, y el árbol podría intentar mostrar cuánto tiempo se dedicaría a realizar diferentes actividades y su poder adquisitivo en función de su decisión. Hay varios pros y contras notables en el uso de árboles de decisión.

Uno de los aspectos más útiles de los árboles de decisión es que te obligan a considerar tantos resultados posibles de una decisión como puedas imaginar. Puede ser peligroso tomar decisiones improvisadas sin considerar la variedad de consecuencias. Un árbol de decisiones puede ayudarlo a sopesar las posibles consecuencias de una decisión frente a otra. En algunos casos, incluso puede ayudarlo a estimar los beneficios esperados de las decisiones. Por ejemplo, si crea estimaciones del valor monetario de todos los resultados y probabilidades asociados con cada resultado puede usar esos números para calcular qué decisión inicial conducirá a la mayor recompensa financiera promedio. Los árboles de decisión proporcionan un marco para considerar la probabilidad y los beneficios de las decisiones, lo que puede ayudarlo a analizar una decisión para tomar la decisión más informada posible.

Un inconveniente de utilizar árboles de decisiones es que los resultados de las decisiones, las decisiones posteriores y los beneficios pueden basarse principalmente en las expectativas. Cuando se toman decisiones reales, los beneficios y las decisiones resultantes pueden no ser los mismos que los que había planeado. Puede ser imposible planificar todas las contingencias que puedan surgir como resultado de una decisión. Esto puede llevar a un árbol de decisiones poco realista que podría guiarlo hacia una mala decisión. Además, los eventos inesperados pueden alterar las decisiones y cambiar los beneficios en un árbol de decisiones. Por ejemplo, si espera que sus padres paguen la mitad de su universidad cuando decidan ir a la escuela, pero luego descubre que tendrá que pagar toda su matrícula, sus pagos esperados serán dramáticamente diferentes a los realidad.

Los árboles de decisiones son relativamente fáciles de entender cuando hay pocas decisiones y resultados incluidos en el árbol. Los árboles grandes que incluyen docenas de nodos de decisión (lugares donde se toman nuevas decisiones) pueden ser complicados y tener un valor limitado. Cuantas más decisiones haya en un árbol, es probable que sean menos precisos los resultados esperados. Por ejemplo, si haces un mapa de la decisión de ir a la universidad en un árbol, probablemente no podrás predecir con precisión las posibilidades que ganará más de $ 100,000 en diez años, pero es posible que pueda estimar con precisión su poder de ganancia después de salir de Universidad.