Преимущества и недостатки деревьев решений

Деревья решений - это диаграммы, которые пытаются отобразить диапазон возможных результатов и последующих решений, принятых после первоначального решения. Например, ваше первоначальное решение может заключаться в том, посещать ли колледж, а дерево может пытаться показать, сколько времени было бы потрачено на различные виды деятельности и вашу доходность в зависимости от вашего решение. У использования деревьев решений есть несколько заметных плюсов и минусов.

Один из наиболее полезных аспектов деревьев решений заключается в том, что они заставляют вас учитывать как можно больше возможных результатов решения. Принимать спонтанные решения без учета диапазона последствий может быть опасно. Дерево решений может помочь вам сопоставить вероятные последствия одного решения с другим. В некоторых случаях это может даже помочь вам оценить ожидаемую отдачу от решений. Например, если вы создаете долларовые оценки всех результатов и вероятностей, связанных с каждым результатом вы можете использовать эти числа, чтобы вычислить, какое первоначальное решение приведет к наибольшей средней финансовой отдаче. Деревья решений обеспечивают основу для рассмотрения вероятности и отдачи решений, которые могут помочь вам проанализировать решение, чтобы принять наиболее обоснованное возможное решение.

Недостатком использования деревьев решений является то, что результаты решений, последующие решения и выплаты могут быть основаны в первую очередь на ожиданиях. Когда принимаются фактические решения, результаты и итоговые решения могут отличаться от тех, которые вы планировали. Может быть невозможно спланировать все непредвиденные обстоятельства, которые могут возникнуть в результате решения. Это может привести к нереалистичному дереву решений, которое может привести вас к неверному решению. Кроме того, неожиданные события могут изменить решения и изменить выплаты в дереве решений. Например, если вы ожидаете, что ваши родители оплатят половину вашего колледжа, когда решите пойти в школу, но позже обнаружите, что вам придется платить за все свое обучение, ваши ожидаемые выплаты будут кардинально отличаться от реальность.

Деревья решений относительно легко понять, когда в дерево включено несколько решений и результатов. Большие деревья, которые включают в себя десятки узлов решений (места, где принимаются новые решения), могут быть запутанными и могут иметь ограниченную ценность. Чем больше решений в дереве, тем менее точными могут быть ожидаемые результаты. Например, если вы составите дерево, отображающее решение поступить в колледж, вы, вероятно, не сможете точно предсказать шансы что вы будете зарабатывать более 100000 долларов через десять лет, но вы сможете точно оценить свою доходность после того, как выйдете из колледж.