什么是决策树分析法？利用决策树分析基本步骤是什么？

决策树分析法:现代管理决策者的工具。美国著名管理学家西蒙也表达了决策对企业的重要性——管理就是决策。

什么是决策树?

百度百科对决策树的定义是:“决策树分析是一种基于风险的决策方法，利用概率和图论树来比较决策中的不同方案，从而获得最佳方案。”这个决策分支被称为决策树，因为它是像树的一个分支一样绘制的。

复旦大学的虞雯教授给出了一个更学术的定义:“决策树图形化地表示决策过程的连续性，显示随着时间的推移会发生的自然或逻辑的进展，系统地呈现决策者将面临的各种选择和不确定性，最后系统地总结和做出决策。”

有些朋友看起来一定很无聊。最简单的理解是，顾名思义，决策树是用来辅助决策的树模型。通过这个模型，面对未来的不确定事件，我们可以基于一定的规则，以系统合理的方式给出最佳的决策方案(而不是拍脑袋)。

决策树是什么样子的?

如图，这是一个基本的决策树模型。

决策树模型详解。

决策树模型涉及的元素包括:决策节点;方案分支;机会节点;概率分支;结果节点等五个元素。

接下来，我们将逐一解释每个元素的含义。

1.决策节点:

代表你需要做决定(选择)的时间点管理决策的重要性，用□表示。决策树一般只有一个决策节点，就是你要做决策的事件(点)，比如是读研还是找工作;这项技术是从国外购买的还是自主开发的，等等。

2.计划的分支:

它是由决策节点扩展的分支，对应于决策节点可以选择的各种决策方案。从决策节点延伸的分支应该包含决策节点可以做出的所有选择。

方案分支是你要做决策的选项，比如:方案分支1-研究生院;计划分支2-找工作等。

3.机会节点:

也称为事件节点，它表示不确定事件发生的时间点，用○表示。

4.概率分支:

偶然节点扩展的分支对应于这种不确定事件中的各种可能结果。比如考研有两个结果:入学考试和失败考试。找工作，可能会有三种结果:找到一份好工作，一份中等工作管理决策的重要性，一份不满意的工作。

每一个可能的结果都伴随着一个对应的可能性(概率)，比如上图标注的0.1和0.9。

偶然节点扩展的概率分支应该是互斥的，同时，不确定事件的所有可能结果(完备性)都应该穷尽。因此，与每个机会节点中所有分支相关联的概率总和必须为1。

5.结果节点:

在决策节点或机会节点的分支末端，用△表示，对应于路径或决策方案的可能结果，该分支终端需要给它一个数值。

决策树分析方法的基本步骤是什么?

决策树分析方法的基本步骤:

1.绘制决策树图。从左到右画一个决策树，这本身就是一个重新分析决策问题的过程。

2.从右到左计算每个方案的期望值，将结果写在对应的方案节点上方。期望值是沿着决策树的相反方向从右向左计算的。

3.比较每个方案的期望值，截掉期望值小的方案(即劣质方案)，剩下的最终方案就是最佳方案。

对于具体的绘制方法，我们以以下内容为例。

案例“小柔暑期实习”

小柔在复旦大学管理学院读MBA。她现在正在考虑明年的暑期实习。现在，她面临着许多不确定的选择。

1.小柔的前老板约翰·梅森()承诺在第二年夏天提供为期12周的实习机会，工资为1.2万美元。招聘期至10月底有效。

2.小柔在一个论坛上偶遇了凡妮莎。

某投行股权部副总裁帕克愿意考虑明年夏天聘用小柔的可能性，希望在11月中旬公司进行暑期招聘计划时直接联系她。

3.学院每年1月和2月举办公司春季招聘会。

假设你是小柔，不考虑人情，不考虑实习公司背景，只考虑收入，应该怎么做决定?

10月底，你会不会接受前任老板的邀请?

如果拒绝前任老板的邀请，投行又不去了怎么办?

投行实习工资高，还是暑期招聘工资高?

接下来，我们使用决策树模型来构建决策路径。

第一，提出决策问题，明确决策目标。

这种情况下，首先要做的是决定是否接受前老板10月份提供的实习，选择是接受还是不接受。

同样，11月份，申请实习会有成功和不成功两种可能;申请成功后，要考虑是接受还是拒绝。

二、明确时间或逻辑线，以及每个决策的概率分布。

如图，经过梳理，用下图来表达整个决策过程就比较清晰了。

有些朋友可能会问，每个机会的概率来自哪里?-这要求您使用自己的经验或市场研究数据。

三，画决策树。

我们使用决策树的框架，根据时间的推移和逻辑的进步，从左到右绘制决策树。

1、按照时间和逻辑顺序列出需要做出的决策，列出每个决策的所有选择。

2.列出所有不确定的事件(机会)和每个事件中所有可能的结果。

3.给出不确定事件中每个可能结果的概率。

最终结果如下图所示。

四、决策树的求解。

1.为每个结果节点分配一个值。这种情况下，在结果节点填写薪资状态。如红字所示。

2.利用结果节点的数据和每个概率分支的概率，使用期望值法，即加权平均法，得到每个机会节点的期望值，结果标记在机会节点旁边。

例如，D=E节点的期望值导致:

21600*0.05 16800*0.25 12000*0.4 6000*0.25 0*0.05=1080 4200 4800 1500=11580。

这个结果的意义是，如果你参加招聘会，平均回报是11580元。

3.在D/E点填入结果，继续用这个方法推回。经过计算，我们可以得到:

C=14000.

b=14000*0.6 11580*0.4=8400 4632=13032。

4.最终决定:

选择期望值最好的决策分支作为该点的决策，标记最优期望值，用“=”截断备选分支。

通过对比B和A的另一个计划分支的结果，我们终于知道，当面临10月份的决定时，最好的决定应该是选择拒绝约翰提供的实习机会。然后，当你得到凡妮莎提供的实习机会时，接受这个机会。

描述:

1.在求解过程中，一般从分支终端开始计算，然后向后推至决策树的初始节点。这个过程叫做决策树的“后推”，这个过程叫做决策树的逆向求解方法。

2.从“小柔”一案来看，一开始这个决定是比较复杂和不明确的。通过对决策树模型的梳理和使用，问题变得更加清晰。

因此，当我们解决一个复杂的问题时，第一步是将问题分解成一系列更小的子问题。决策树提供了这样一个分解然后连接的过程。

使用决策树模型的前提。

1、决策者要有明确的目标，并有两个以上可行的备选方案。

2.可以计算不同自然条件下不同行动计划的损益值。

3.当有两个以上的自然状态超出决策者的控制时，不同自然状态发生的概率仍然可以估计。

决策树模型的优缺点。

决策树方法是管理者和决策分析师经常使用的一种有效的决策工具。

它具有以下优点:

1.决策树列出了决策问题的所有可行方案和可能的自然状态，以及各种可行方法在不同状态下的期望值。

2.它可以按时间和决策顺序直观地显示整个决策问题在不同阶段的决策过程。

3.应用于复杂的多阶段决策时，阶段明显，层次清晰，便于决策机构集体研究，并能慎重考虑各种因素，有利于做出正确决策。

当然，决策树方法并不完美，它也有缺点，比如:

1、使用范围有限，不能适用于一些无法用数量表示的决策;

2.各种方案发生概率的确定有时是主观的，可能导致决策失误;

等等。

可以使用决策树的字段。

决策树主要用于个人或企业的决策过程中，尤其是涉及到风险决策时。

一、个人:

比如就业;病后治疗方案;对企业等的投资额。

二、企业:

比如投标决策，分析高中低高中哪个方案最有利于投标。

比如技术研发决策等。

第三，它也可以用于城市管理和社会治理。

第四，模型和技术的结合。

随着技术的发展，大数据领域的决策部分已经基本采用决策树模型。在机器学习和深度学习中使用决策树的概念和方法，如协助银行判断客户是否为高风险客户;