Vantagens e desvantagens das árvores de decisão

Árvores de decisão são diagramas que tentam exibir a gama de resultados possíveis e as decisões subsequentes tomadas após uma decisão inicial. Por exemplo, sua decisão original pode ser se deseja frequentar a faculdade, e a árvore pode tentar mostre quanto tempo seria gasto em atividades diferentes e seu poder aquisitivo com base em seu decisão. Existem vários prós e contras notáveis ​​no uso de árvores de decisão.

Um dos aspectos mais úteis das árvores de decisão é que elas o forçam a considerar o maior número possível de resultados de uma decisão. Pode ser perigoso tomar decisões precipitadas sem considerar a gama de consequências. Uma árvore de decisão pode ajudá-lo a pesar as consequências prováveis ​​de uma decisão contra outra. Em alguns casos, pode até ajudá-lo a estimar os resultados esperados das decisões. Por exemplo, se você criar estimativas de valor em dólares de todos os resultados e probabilidades associadas a cada resultado você pode usar esses números para calcular qual decisão inicial levará ao maior retorno financeiro médio. As árvores de decisão fornecem uma estrutura para considerar a probabilidade e os ganhos das decisões, o que pode ajudá-lo a analisar uma decisão para tomar a decisão mais informada possível.

Uma desvantagem de usar árvores de decisão é que os resultados das decisões, decisões subsequentes e recompensas podem ser baseados principalmente nas expectativas. Quando as decisões reais são tomadas, as recompensas e as decisões resultantes podem não ser as mesmas que você planejou. Pode ser impossível planejar todas as contingências que podem surgir como resultado de uma decisão. Isso pode levar a uma árvore de decisão irrealista que pode guiá-lo na direção de uma má decisão. Além disso, eventos inesperados podem alterar as decisões e alterar os ganhos em uma árvore de decisão. Por exemplo, se você espera que seus pais paguem metade da sua faculdade ao decidir ir para a escola, mas mais tarde descobrir que você terá que pagar por todas as suas mensalidades, seus retornos esperados serão drasticamente diferentes do que realidade.

As árvores de decisão são relativamente fáceis de entender quando há poucas decisões e resultados incluídos na árvore. Árvores grandes que incluem dezenas de nós de decisão (pontos onde novas decisões são tomadas) podem ser complicadas e ter valor limitado. Quanto mais decisões houver em uma árvore, menos precisos serão os resultados esperados. Por exemplo, se você fizer uma árvore mapeando a decisão de ir para a faculdade, provavelmente não será capaz de prever com precisão as chances que você estará ganhando mais de $ 100.000 em dez anos, mas pode ser capaz de estimar com precisão o seu poder aquisitivo depois de sair do escola Superior.