Дерева рішень (Decision Trees)
Дерево рішень — це модель у машинному навчанні, яка використовує деревоподібний граф для прогнозування результатів.
Components: 1. Root Node. 2. Internal Nodes (Splits). 3. Leaf Nodes (Outcomes). 4. Branches. Algorithms: ID3, C4.5, C5.0, CART (Classification and Regression Trees).
graph LR
Center["Дерева рішень (Decision Trees)"]:::main
Rel_key_management["key-management"]:::related -.-> Center
click Rel_key_management "/terms/key-management"
classDef main fill:#7c3aed,stroke:#8b5cf6,stroke-width:2px,color:white,font-weight:bold,rx:5,ry:5;
classDef pre fill:#0f172a,stroke:#3b82f6,color:#94a3b8,rx:5,ry:5;
classDef child fill:#0f172a,stroke:#10b981,color:#94a3b8,rx:5,ry:5;
classDef related fill:#0f172a,stroke:#8b5cf6,stroke-dasharray: 5 5,color:#94a3b8,rx:5,ry:5;
linkStyle default stroke:#4b5563,stroke-width:2px;
🧒 Простими словами
Це як гра 'Вгадай хто'. Ви ставите питання: 'Це людина?', 'У неї є окуляри?', 'Вона носить капелюх?'. Кожна відповідь веде вас ближче до мети. Дерево рішень — це просто список таких питань, записаний для комп'ютера.
🤓 Expert Deep Dive
На технічному рівні головна проблема дерев — їхня схильність до 'Перенавчання' (Overfitting). Вони можуть запам'ятати випадкові шуми в даних замість загальних закономірностей. Щоб цього уникнути, ми обмежуємо глибину дерева або використовуємо 'Ліси' (Random Forests). Ліс — це коли тисячі дерев 'голосують' за правильну відповідь, що дає набагато стабільніший і точніший результат, ніж одне окреме дерево.