《管理概论》课件风险型决策案例——决策树法
决策树分析方法ppt
全局最优
通过剪枝等技术来优化决 策树，以获得全局最优解 （最小损失函数值）。
决策树的预测原理
特征选择
使用训练好的决策树模型对新 的样本进行预测时，需要根据 模型中保存的特征选择规则进
行预测。
路径搜索
从根节点开始，根据模型中保存 的分裂准则和分裂点信息，沿着 树结构向下搜索，直到到达叶子 节点或无法继续分裂的节点。
CART算法步骤
划分数据集、对每个属性计算其划分能力、选择划分能力最大的属性、生成决策 节点、递归生成决策树。
随机森林算法
随机森林算法原理
基于多棵决策树的投票策略，通过训练多棵决策树，然后对 结果进行投票，以得到更加准确的结果。
随机森林算法步骤
数据集随机化、生成多棵决策树、对结果进行投票、选择票 数最多的结果作为输出。
01
02
03
04
总结词：差异对比、应用场景
线性回归是一种基于因变量和 一个或多个自变量之间关系的 预测模型，通常适用于连续目 标变量。
决策树是一种基于自上而下的 贪心搜索算法，将数据集划分 成若干个不相交的子集，每个 子集对应一个决策节点，从而 形成一棵树状结构。
在回归问题上，决策树不如线 性回归表现稳定，但在分类问 题上，决策树表现更优秀，可 以很好地处理非线性关系和异 常值。
C4.5算法
C4.5算法原理
在ID3算法的基础上，增加了剪枝、处理缺失值和连续属性等处理，以得到 更加准确的决策树。
C4.5算法步骤
计算各个属性的信息增益率、选择信息增益率最大的属性、生成决策节点、 递归生成决策树、剪枝处理。
CART算法
CART算法原理
基于二叉树的贪心策略，将数据集划分为两个子集，然后对每个子集递归生成决 策树。
10.5风险型决策：决策树
需求2000件（0.45） 200
需求3000件（0.55） 需求2000件（0.45）
1200 800
需求3000件（0.55） 800
需求2000件（0.45） 400
需求3000件（0.55） 需求2000件（0.45）
1400 900
需求3000件（0.55） 900
需求2000件（0.45） 100
利用期望收益值准则运用决策树帮助该厂进行生产方案的决绘制决策树875改造设备生产状态点生产3000件生产2000件生产3000件生产2000件生产3000件生产2000件2001200需求2000件045需求3000件055800800需求2000件045需求3000件0554001400需求2000件045需求3000件055900900需求2000件045需求3000件0551001100需求2000件045需求3000件055700700需求2000件045需求3000件0551110800800750950950900700650700原有设备生产875成功070失败030汽车配件厂的决策树决策树应用实例依据计算结果和决策树图该厂应改造设备生产
需求3000件（0.55） 需求2000件（0.45）
1100 700
需求3000件（0.55） 700
决策树应用实例
解 依据计算结果和决策树图，该厂应改造设备生产。如果成功，就利用
改造后的设备进行生产，生产量定为3000件；如果失败，则仍利用原有设 备生产，生产量定为2000件。
小结
1. 决策树绘制 2. 决策树应用实例
决策树应用实例
解 绘制决策树
750 800 生产3000件 6
3
800
生产2000件 7
风险型决策决策树PPT课件
方案
A1全部改造 A2部分改造
投资
280 150
年度损益值
销路好（P=0.7） 销路不好（P=0.3）
100
-30
45
10
使用期/年
10 10
第6页/共22页
第7页/共22页
例2：如果对例1中的问题分为前4年和后6年两期考虑，根据市场调查研究及预测 分析，前4年新产品销路好的概率为0.7，而且前4年销路好后6年销路也好的概率为 0.9；但若前4年销路差，则后6年销路也差的概率为0.6。在这种情况下，企业的管 理者应采用生产线全部改造和部分改造哪个方案更好些？
表2：年度损益表
单位：万元
方案
A1全部改造 A2部分改造
投资
年度损益值 销路好（P=0.7） 销路不好（P=0.3）
280
100
-30
150
45
10
使用期/年
10 10
第8页/共22页
解：决策树绘制如下
第9页/共22页
2
• EV2=522*0.7+132*0.3+100*0.7*4-30*0.3*4-280=369 • EV3=249*0.7+144*0.3+45*0.7*4-10*0.3*4-150=205.5
EV10的数据填入决策点V5。 即令EV5＝EV10＝85（万元）。
d) 状态结点V6的期望效益值为： EV6＝(-100)×0.1+0×0.5+100×0.4＝30（万元），
所以，状态结点V2期望效益值为： EV2=30×0.4+85×0.6=63(万元)。
第17页/共22页
多阶决策分析
e) 由于EV1>EV2, 所以，剪掉状态结点V2对应的方案分 枝将EV1的数据填入决策点V，即 令EV＝EV1＝82（万元）。
风险型决策方法决策树方法
3
• 计算完毕后，开始对决策树进行剪枝， 计算完毕后，开始对决策树进行剪枝， 在每个决策结点删去除了最高期望值以 外的其他所有分枝， 外的其他所有分枝，最后步步推进到第 一个决策结点， 一个决策结点，这时就找到了问题的最 佳方案 • 方案的舍弃叫做修枝，被舍弃的方案用 方案的舍弃叫做修枝， “≠”的记号来表示，最后的决策点留 ”的记号来表示， 下一条树枝，即为最优方案。 下一条树枝，即为最优方案。
1
状态节点 2 方案分枝
概率分枝 4 概率分枝 5
结果节点
结果节点
1 方案分枝 决策结点 3 概率分枝 状态节点 7 结果节点 概率分枝 6 结果节点
2
• 应用决策树来作决策的过程，是从右向 应用决策树来作决策的过程， 逐步后退进行分析。 左逐步后退进行分析。根据右端的损益 值和概率枝的概率，计算出期望值 期望值的大 值和概率枝的概率，计算出期望值的大 确定方案的期望结果， 小，确定方案的期望结果，然后根据不 同方案的期望结果作出选择。 同方案的期望结果作出选择。
补充： 补充： 风险型决策方法——决策树方法 风险型决策方法 决策树方法
• 风险决策问题的直观表示方法的图示法。因为图的形状 风险决策问题的直观表示方法的图示法。 像树，所以被称为决策树。 像树，所以被称为决策树。 • 决策树的结构如下图所示。图中的方块代表决策节点， 决策树的结构如下图所示。图中的方块代表决策节点， 的结构如下图所示 从它引出的分枝叫方案分枝。每条分枝代表一个方案， 从它引出的分枝叫方案分枝。每条分枝代表一个方案， 分枝数就是可能的相当方案数。圆圈代表方案的节点， 分枝数就是可能的相当方案数。圆圈代表方案的节点， 从它引出的概率分枝，每条概率分枝上标明了自然状态 从它引出的概率分枝， 及其发生的概率。 及其发生的概率。概率分枝数反映了该方案面对的可能 的状态数。末端的三角形叫结果点， 的状态数。末端的三角形叫结果点，注有各方案在相应 状态下的结果值。 状态下的结果值。
风险型决策方法-PPT
(3) 剪枝。因为EV2> EV1, EV2> EV3, 所以,剪掉状态结点V1与V3所对应得方案 分枝,保留状态结点V2所对应得方案分枝。 即该问题得最优决策方案应该就是从国外
引进生产线。
例4:某企业,由于生产工艺较落后,产品成本 高,在价格保持中等水平得情况下无利可图, 在价格低落时就要亏损,只有在价格较高时才 能盈利。鉴于这种情况,企业管理者有意改进 其生产工艺,即用新得工艺代替原来旧得生产 工艺。
③ 选择平均收益最大或平均损失最 小得行动方案作为最佳决策方案。
大家应该也有点累了,稍作休息 大家有疑问得,可以询问
10
例2:试用期望值决策法对表7、1、1所描 述得风险型决策问题求解。
表7、1、1 每一种天气类型发生得概率及 种植各种农作物得收益
天气类型
极旱年 旱年
发生概率
0.1 0.2
水稻 10 12.6
n 单级风险型决策与多级风险型决策
(1)所谓单级风险型决策,就是指在整个决 策过程中,只需要做出一次决策方案得选择 ,就可以完成决策任务。实例见例3。
(2)所谓多级风险型决策,就是指在整个决 策过程中,需要做出多次决策方案得选择, 才能完成决策任务。实例见例4。
例3:某企业为了生产一种新产品,有3个方案可供决策
在上例中,显然
B1
B
B2
B3
B4
0.1 0.2 P 0.4 0.2 0.1
100 126 180 200 220
A 250 210 170 120
80
120 170 230 170 110
118 130 170 190 210
运用矩阵运算法则,经乘积运算可得
0.1
企业风险型决策之决策树法
企业风险型决策之决策树法导言在现代企业管理中，决策过程是一个十分重要的环节。
企业面对各种风险时，需要借助决策方法来制定应对措施。
决策树法作为一种常用的决策分析方法，可以帮助企业管理者在不确定性的环境下做出合理的决策。
本文将介绍企业风险型决策中的决策树法，并分析其应用。
决策树法概述决策树法是一种基于树状结构的决策分析方法。
它通过将决策问题分解为一系列的判断问题和结论，用树状图的方式呈现决策过程。
决策树的节点表示决策或判断条件，分支表示决策或判断的结果，叶子节点表示最终的决策结果。
决策树法可以分为两种类型：分类决策树和回归决策树。
分类决策树分类决策树用于将对象划分为不同的类别。
在企业风险管理中，可以用分类决策树来判断某个项目是否具有风险。
分类决策树的构建包括两个关键步骤：选择判别属性和构建决策树。
选择判别属性是根据各个属性对目标变量的区分能力进行评估，选择最佳的判别属性用于决策树的构建。
构建决策树是根据选择的判别属性，按照一定的决策准则逐步生成决策树。
回归决策树回归决策树用于预测数值型的目标变量。
在企业风险管理中，可以用回归决策树来预测某个项目的风险程度。
与分类决策树类似，回归决策树的构建也包括选择判别属性和构建决策树两个关键步骤。
不同的是，回归决策树的判别属性需要选择对目标变量具有预测能力的属性。
决策树法在企业风险管理中的应用决策树法在企业风险管理中具有广泛的应用价值。
下面将具体介绍决策树法在不同方面的应用。
项目风险评估在企业决策中，项目风险评估是一个重要的环节。
通过构建分类决策树，可以根据项目的各个属性，判断项目是否具有风险。
例如，对于一个拟建的工程项目，可以通过分类决策树来预测工程项目是否存在质量风险、安全风险等。
供应商选择在企业采购中，选择合适的供应商是一个重要的决策。
通过构建分类决策树，可以根据供应商的各个属性，判断其是否适合企业需求。
例如，对于某企业来说，可以通过分类决策树来判断一个供应商是否具备可靠的供货能力、稳定的产品质量等。
管理运筹学第16章 决策分析ppt课件
S1（大批量生产）
30
S2（中批量生产）
20
S3（小批量生产）
10
-6
30(max)
-2
20
5
10
由上表可知，采用乐观准那么进展决策时，该公司应选择大批量消 费。
管理运筹学
§1 不确定情况下的决策
〔三〕等能够性准那么 ( Laplace准那么 ) 决策者把各自然形状发生的时机看成是等能够的： 设每个自然形状发生的概率为 1/事件数 ，然后计算各行动方
管理运筹学
§2 风险型情况下的决策
解：设需求量大的概率为p，那么各方案收益的期望值分别为：
E(S1) = p30 + (1-p)(-6) = 36p - 6
E(S2) = p20 + (1-p)(-2) = 22p - 2
E(S3) = p10 + (1-p)(+5) = 5p + 5
取
取
E(S1)
S3
S1
E(S2)
E(S3)
0
0.35
1
p
由上图可得：〔1〕当0≤P＜0.35时，采用小批量消费；〔2〕当
0.35 ≤P＜1时，采用大批量消费。
p=0.35为转机概率,实践的概率值间隔转机概率越远，方案越稳定。
管理运筹学
§2 风险型情况下的决策
在实践任务中，假设形状概率、收益值在其能够发生的变 化的范围内变化时，最优方案坚持不变，那么这个方案是比较稳 定的。反之假设参数稍有变化时，最优方案就有变化，那么这个 方案就不稳定的，需求我们作进一步的分析。就自然形状N1的概 率而言，当其概率值越远离转机概率，那么其相应的最优方案就 越稳定；反之，就越不稳定。
定量决策方法——决策树法.pptx
0.3、0.5、0.2。表1给出了各种市场需求状况下每一个方案的效益值。试问该企业究竟应
该选择哪一种方案？
表1 某企业在采用不同方案产生某种新产品的效益值
自然状态
高需求
中需求
方案
效益值 概 率
0.3
0.5
方案一：改进生产线
200
100
方案二：引进生产线
220
120
方案三：协作生产线
180
100
单位：万元
低需求 0.2 20 60 80
04 习题练习
解题步骤：1.绘制决策树
114 1
138
138方案二Βιβλιοθήκη Ⅰ2120 3
高需求（0.3） 200
中需求（0.5）
100
低需求（0.2） 20
高需求（0.3） 220
中需求（0.5） 120
低需求（0.2） 60
高需求（0.3） 180
中需求（0.5） 100
决策树的 结构
02
方案枝 决策点
状态点 1
I
方案枝
状态点 2
02 决策树的结构（1）
概率枝
结果点
概率枝
结果点
02 决策树的结构（2）
方案枝 决策点
I
方案枝
状态点
1 概率枝
结果点 状态点
3 决策点 方案枝
状态点
Ⅱ
状态点
2 概率枝
方案枝 4
结果点
概率枝 概率枝
结果点 结果点
决策过程
03
决策树法决策过程
延
申
决策树法是定量的风险型决策方法之一！
01 决策树法的概念
决策树法使用的前提条件是？
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1．某汽车配件厂拟安排明年某零部件的生产。
该厂有两种生产方式组织生产：方式一是继续利用现有的设备生产，零部件的单位成本为0.6万元；方式二是对现有设备进行更新改造，以提高设备的效率，改造需要投资100万元（假定其全部摊入明年的成本），成功的概率是0.7。
如果成功，零部件不含上述投资费用的单位成本可降至0.5万元；如果不成功，则仍采用方式一利用现有的设备组织生产。
另据预测，明年该厂某零部件的市场销售价格为每件1万元，其市场需求有两种可能：一是2000件，二是3000件，其概率分别为0.45和0.55。
同时，假定该厂的生产数量有两种：一是生产2000件，二是生产3000件。
试问：该厂应采用何种方式组织生产，生产多少件？（2012年12月份考题）
1、第一步：绘制决策树如下图所示。
决策点
400
1400 200
1200 900
900 800 800 100
1100 700 700
第二步：计算各节点处的期望收益值。
（1）右边第一个节点的期望收益值：=200
2000-3000⨯0.6（万元）以此类推可计算其他11个节点的期望收益值。
（2）节点6的期望收益值：2005+12005=750
⨯0.4⨯0.5（万元）以此类推可计算其他5个节点的期望收益值。
第三步：剪枝。
根据期望值准则，选出决策点3、4、5的最佳生产批量，并将最佳方案的期望值填在相应的决策点的上方，同时，剪除落选的方案枝。
由此可知：应采取生产方式二组织生产，若成功，生产3000件；若失败，按方式一生产2000件。
案例2：某企业提出如下新产品投资方案：一是投资550万元建大厂；二是投资300万元建小厂，若前两年销路好，后三年考虑扩建，扩建时需追加投资300万元，达到大厂规模，不扩建时仍按原规模生产。
经预测：大厂销路好时每年盈利260万元，销路不好时每年盈利80万元；小厂销路好时每年盈利120万，销路不好时每年盈利50万。
另外，前两年销路好的概率为70%，在前两年销路好的前提下，后三年仍销路好的概率为90%，前两年销路不好的前提下，后三年依然销路不好的概率为80%。
试用决策树法进行决策。
（2013年6月份考题）
答案：。