Ce înseamnă Arbore de decizie
Un arbore de decizie este un model de machine learning care seamănă cu o schemă logică: pornește de la o întrebare („Venitul lunar este peste 4.000 de lei?”), merge pe ramura „da” sau „nu”, pune următoarea întrebare și tot așa, până ajunge la o „frunză”, care conține răspunsul.
Marele avantaj este că poate fi citit și înțeles de oameni: poți urmări exact de ce a luat modelul o anumită decizie. Poate fi folosit atât pentru clasificare, cât și pentru regresie.
Cum funcționează
Arborele este construit automat din date. La fiecare pas, algoritmul caută întrebarea care separă cel mai bine exemplele, de exemplu cea după care grupurile rezultate sunt cât mai „pure” (aproape doar „da” într-o parte și doar „nu” în cealaltă). Măsuri precum impuritatea Gini sau entropia spun cât de bine separă o întrebare.
Un arbore lăsat să crească fără limită ajunge să aibă câte o frunză pentru fiecare exemplu, adică memorează datele (overfitting). De aceea se limitează adâncimea sau numărul minim de exemple dintr-o frunză.
Pe înțelesul tuturor
Jocul „Ghicește la ce mă gândesc” cu întrebări da/nu: „E animal? Da. Trăiește în apă? Nu. Are patru picioare? Da.” Un arbore de decizie învață care sunt cele mai bune întrebări și în ce ordine să le pună.
Exemplu
Un arbore simplificat pentru aprobarea unui credit de nevoi personale, cu praguri inventate pentru exemplu: „Venit peste 4.000 lei?” Dacă nu, „Are un codebitor?” Dacă nu, credit respins. Dacă venitul e peste prag, „Are întârzieri la plată în ultimii 2 ani?” Dacă da, analiză manuală; dacă nu, credit aprobat. Un analist poate verifica fiecare decizie urmărind ramurile.
De reținut
- Un arbore de decizie este o succesiune de întrebări simple, ușor de citit de oameni.
- Se construiește automat, alegând la fiecare pas întrebarea care separă cel mai bine datele.
- Arborii prea adânci memorează datele; combinațiile de arbori (random forest) sunt de obicei mai precise.
Nu confunda
- Arbore de decizie vs. reguli scrise de mână: arată la fel, dar la arborele de decizie întrebările și pragurile sunt învățate din date, nu alese de un om.
Termeni înrudiți
- Random forest: Model format din sute de arbori de decizie, fiecare antrenat puțin diferit, care votează împreună răspunsul final.
- Clasificare: Sarcina de machine learning în care modelul pune fiecare exemplu într-o categorie dintr-o listă fixă, de exemplu „spam” sau „nu e spam”.
- Regresie: Sarcina de machine learning în care modelul prezice un număr, de exemplu un preț, o temperatură sau o durată.
- Explicabilitate (XAI): Capacitatea unui sistem AI de a arăta, pe înțelesul oamenilor, de ce a dat un anumit răspuns sau a luat o anumită decizie.
- Overfitting (supraînvățare): Situația în care un model memorează datele de antrenare, cu tot cu zgomot, și apoi greșește pe date noi.