决策树例题
决策树习题练习(答案)
决策树习题练习（答案）决策树习题练习答案1.某投资者预投资兴建一工厂，建设方案有两种：①大规模投资300万元；②小规模投资160万元。
两个方案的生产期均为10年，其每年的损益值及销售状态的规律见表15。
试用决策树法选择最优方案。
表1 各年损益值及销售状态销售状态概率损益值（万元/年）大规模投资小规模投资销路好 0.7100 60 销路差 0.3 -2020【解】（1）绘制决策树，见图1；100×10 -20×10 60×1020×10 销路好0.7 销路差（0.3）销路好0.7 销路差（0.3）大规模小规模 340 340 3202 31 图1 习题1决策树图（2）计算各状态点的期望收益值节点②：节点③：将各状态点的期望收益值标在圆圈上方。
（3）决策比较节点②与节点③的期望收益值可知，大规模投资方案优于小规模投资方案，故应选择大规模投资方案，用符号“//”在决策树上“剪去”被淘汰的方案。
2.某项目有两个备选方案A和B，两个方案的寿命期均为10年，生产的产品也完全相同，但投资额及年净收益均不相同。
A方案的投资额为500万元，其年净收益在产品销售好时为150万元，，销售差时为50万元；B方案的投资额为300万元，其年净收益在产品销路好时为100万元，销路差时为10万元，根据市场预测，在项目寿命期内，产品销路好时的可能性为70%,销路差的可能性为30％，试根据以上资料对方案进行比选。
已知标准折现率ic=10%。
【解】（1）首先画出决策树150 5010010 销路好0.7 销路差0.3 销路好0.7 销路差0.3 -500 -3002 31 图2 决策树结构图此题中有一个决策点，两个备用方案，每个方案又面临着两种状态，因此可以画出其决策树如图18。
（2）然后计算各个机会点的期望值机会点②的期望值＝150（P/A,10%,10）×0.7+(-50)（P/A,10%,10）×0.3=533(万元) 机会点③的期望值＝100（P/A,10%,10）×0.7+10（P/A,10%,10）×0.3=448.5(万元) 最后计算各个备选方案净现值的期望值。
管理学决策树习题及答案
注意答卷要求：1．统一代号：P为利润，C为成本，Q为收入，EP为期望利润2．画决策树时一定按照标准的决策树图形画，不要自创图形3．决策点和状态点做好数字编号4．决策树上要标出损益值某企业似开发新产品，现在有两个可行性方案需要决策。
I开发新产品A，需要追加投资180万元，经营期限为5年。
此间，产品销路好可获利170万元；销路一般可获利90万元；销路差可获利-6万元。
三种情况的概率分别为30%，50%，20%。
II.开发新产品B，需要追加投资60万元，经营期限为4年。
此间，产品销路好可获利100万元；销路一般可获利50万元；销路差可获利20万元。
三种情况的概率分别为60%，30%，10%。
（1）画出决策树17090-61005020（2）计算各点的期望值，并做出最优决策求出各方案的期望值：方案A=170×0.3×5+90×0.5×5+(-6)×0.2×5=770(万元)方案B=100×0.6×4+50×0.3×4+20×0.1×4=308(万元)求出各方案的净收益值：方案A=770-180=590(万元)方案B=308-60=248(万元)因为590大于248大于0所以方案A最优。
某企业为提高其产品在市场上的竞争力，现拟定三种改革方案：（1）公司组织技术人员逐渐改进技术，使用期是10年；（2）购买先进技术，这样前期投入相对较大，使用期是10年；（3）前四年先组织技术人员逐渐改进，四年后再决定是否需要购买先进技术，四年后买入技术相对第一年便宜一些，收益与前四年一样。
预计该种产品前四年畅销的概率为0.7，滞销的概率为0.3。
如果前四年畅销，后六年畅销的概率为0.9；若前四年滞销，后六年滞销的概率为0.1。
相关的收益数据如表所示。
（1）画出决策树（2）计算各点的期望值，并做出最优决策投资收益表单位：万元解（1）画出决策树，R为总决策，R1为二级决策。
人工智能决策树例题经典案例
人工智能决策树例题经典案例一、经典案例：天气预测决策树在天气预测中有广泛应用，下面是一个关于是否适宜进行户外运动的示例：1. 数据收集：- 温度：高（>30℃）/中（20℃-30℃）/低（<20℃）- 降水：是/否- 风力：高/中/低- 天气状况：晴朗/多云/阴天/雨/暴雨- 应该户外运动：是/否2. 构建决策树：- 根据温度将数据分为三个分支：高温、中温、低温- 在每个分支中，继续根据降水、风力和天气状况进行划分，最终得到是否适宜户外运动的决策3. 决策树示例：温度/ / \高温中温低温/ | | \ |降水无降水风力适宜/ \ | | / \是否高中低| |不适宜适宜- 如果温度是高温且有降水，则不适宜户外运动- 如果温度是高温且无降水，则根据风力判断，如果风力是高，则不适宜户外运动，如果风力是中或低，则适宜户外运动 - 如果温度是中温，则不论降水和风力如何，都适宜户外运动- 如果温度是低温，则需要考虑风力，如果风力是高，则适宜户外运动，如果风力是中或低，则不适宜户外运动4. 参考内容：决策树的构建和应用：决策树通过对输入特征进行划分，构建了一棵树形结构，用于解决分类或回归问题。
构建决策树主要包括数据预处理、特征选择、划分策略和停止条件等步骤。
特征选择可以使用信息增益、基尼指数等算法，划分策略可以使用二叉划分或多叉划分，停止条件可以是叶子节点纯度达到一定阈值或达到预定的树深度。
决策树的应用包括数据分类、特征选择和预测等任务。
天气预测案例中的决策树：将天气预测问题转化为分类问题，通过构建决策树，可以得到识别是否适宜户外运动的规则。
决策树的决策路径可以用流程图或树状图表示，帮助理解和解释决策过程。
决策树的节点表示特征值，分支表示判断条件，叶子节点表示分类结果。
决策树的生成算法可以基于启发式规则或数学模型，如ID3、C4.5、CART等。
决策树的优缺点：决策树具有可解释性强、易于理解和实现、能处理非线性关系等优点。
决策树练习题-多级决策树
E（5）=1.0×（-30）×7= -210 （万元）
4
前三年的期望收入=0.7×100×3+0.3×（-30）×3=183（万元）
5
E（1）=183+0.7×609+0.3×（-210）-300=246.3 （万元）
6
02
03
对于节点2即改建车间
E（6）=0.9×40×7+0.1×10×7=259 （万元）
Hale Waihona Puke 01通过比较各期望收益，选择方案。
03
方案3为最佳方案。
02
E（3）=302.3> E（1）246.3 > E（2）155.3
销路好0.7
销路好0.7
销路差0.3
销 路差0.3
销路差0.3
销路差1.0
销路差0.1
销路差0.1
销路差1.0
销路差0.1
销路差0.1
销路差1.0
销路好0.9
销路好0.9
销路好0.9
销路好0.9
100
-30
-30
40
10
10
10
10
100
-30
40
前三年
后七年
扩 建
不 扩 建
E（4）=0.9×100×7+0.1×（-30）×7=609
E（5）=1.0×（-30）×7= -210
前三年的期望收入= 0.7×100×3+0.3×（-30）×3=183
E（1）=183+0.7×609+0.3×（-210）-300=246.3
决策树计算题
某工厂为生产一种新产品，制定三个基建方案。一是新建车间生产；二是改建原有车间进行生产；三是先改建，生产3年后当产品销路好时再进行扩建。新建和改建车间所需投资分别是300万元和140万元，若要在改建的基础上扩建车间，还需要追加投资140万元，产品生产期定为10年。
决策树例题(共10张PPT)
【例题8】
【解】第一步：将题意表格化
自然状态
概率
天气好
0.3
天气坏
0.7
行动方案
开工
不开工
40000
-1000
-10000
-1000
【例题8】
❖ 第二步：画决策树图形，根据第一步所列的表格， 再绘制决策树，如下图；
【例题8】
• 假设有一项工程，施工管理人员需要决定 下月是否开工。如果开工后天气好，则可 投标不中时，则对A损失50万元，对B损失100万元。
现采用决策树方法进行决策 3,天气坏的概率是0.
为国家创收4万元，若开工后天气坏，将给 若考虑的是损失时，则取最小期望值。
B、从出发点向右引出若干条直线，这些直线叫做方案枝； 3,天气坏的概率是0.
国家造成损失1万元，不开工则损失1000元。 某承包商拥有的资源有限，只能在A和B两个工程中选A或B进行投标，或者对这两项工程都不参加投标。
该承包商过去也承包过与A、B类似的工程，根据统计资料，每种方案的利润和出现的概率如下表所示。 一般按反向的时间程序逐步计算，将各方案的几种可能结果的数值和它们各自的概率相乘，并汇总所得之和，其和就是该方案的期望值。
概率
0.3 0.5 0.2 0.2 0.6 0.2 0.3 0.5 0.2 0.3 0.6 0.1
【例题9】
【解】第一步：将题意表格化
概率分叉点
3,天气坏的概率是0.
(自 然 状 态 点 )
投标不中时，则对A损失50万元，对B损失100万元。
损益值
但根据过去该承包商投标经验资料，他对A或B投标又有两种策略:一种是投高标，中标的机会是0.
风险管理例题六-决策树法
该法为利用树形图的方式来进行的决策.同样需 要通过对相关因素进行风险估计方能画出其决策树来.
例如，某施工单位拟对某建筑工程工程投标，该 施工单位对本工程的投标策略有两种： 〔1〕高报价标，中标的可能性估计为30%；〔2〕 低报价标，中标的可能性估计为40%； 投标准备费估计为2万元。
0.6 0.2
0.3 0.4 0.3
0.2
0.5 0.3
5000 1000 -200 4000
500 -300
4000
950 -300
3900
490 -350
决策树例题
局部分包 7
高报价 剪枝
中标 586.6
2 失标
0.7
不投标 0.0
1
3
0.0
5
1960
剪枝
不分包 8
-2.0
1040
0.0
剪枝
1.0
1490
失标
-2.0
9
594.8
0.6
低报价
中标
局部分包
40.46Fra bibliotek剪枝920
最后选择:投低标,并局部 不分包 10
分包,期望收益为594.8
万元.
0.3 0.5 0.2 0.2
如果施工单位中标，他又有两种具体处理方式： ①将其中局部工程进行分包；②全部工程自己施工。 根据调查和估计，有关数据如下表所示，根据上述情 况分析该施工单位的报价策略。据此可画出概率树。
根本数据表
中标（0.3） 部分分包 投高标
不分包
不投标 投低标
失标（0.7） 中标（0.4）
部分分包
不分包
失标（0.6）
概率0.3 概率0.5 概率0.2 概率0.2 概率0.6 概率0.2 0.7
决策树例题分析及解答
各点效益值计算过程是：
点2：13.5×0.8×3＋172.9×0.8＋25.5×0.2×3＋206.5×0.2－25(投资)=202.3万元
点3：15×0.8×3＋105×0.8＋15×0.2×3＋105×0.2－10（投资）=140万元
点4：21.5×0.6×7年＋29.5×0.4×7年=172.9万元
例： 某农业企业有耕地面积33.333公顷，可供灌水量6300立方米，在生产忙季可供工作日2800个，用于种植玉米、棉花和花生三种作物。预计三种作物每公顷在用水忙季用工日数、灌水量和利润见表，在完成16.5万公斤玉米生产任务的前提下，如何安排三种作物的种植面积，以获得最大的利润。
作物类别
忙季需工作日数
建设大工厂需要投资600万元，可使用10年。销路好每年赢利200万元，销路不好则亏损40万元。
建设小工厂投资280万元，如销路好，3年后扩建，扩建需要投资400万元，可使用7年，每年赢利190万元。不扩建则每年赢利80万元。如销路不好则每年赢利60万元。
试用决策树法选出合理的决策方案。 经过市场调查，市场销路好的概率为0.7，销路不好的概率为0.3。
甲
乙
丙
丁
需求量较高 需求量一般 需求量较低 需求量很低
600 400 -150 -350
800 350 -350 -700
350 220 50 -100
40求量一般
需求量较低
需求量很低
max
甲
600
400
-150
-350
600
乙
800
350
-350
-700
800
*
1
4
2
3
6
5
python决策树例题经典案例
python决策树例题经典案例摘要：一、决策树简介- 决策树的定义- 决策树的作用- 决策树在Python 中的实现二、经典案例介绍- 案例一：鸢尾花数据集分类- 案例二：泰坦尼克号乘客生存预测- 案例三：房价预测三、案例实现步骤- 数据准备- 特征选择- 构建决策树模型- 模型评估与优化四、总结与展望- 决策树模型的优缺点- 决策树在实际应用中的限制- 未来发展方向正文：一、决策树简介决策树（Decision Tree）是一种基本的分类和回归方法，可以用于二元和多元分类以及连续和离散的数值预测。
决策树的构建过程就是递归地选择最优的特征并根据该特征对数据进行分裂的过程，直到满足某种条件为止，然后构建出一颗决策树。
在进行分类预测时，对输入数据从根节点开始沿着特定的路径向下走，直到到达某个叶节点，此时该叶节点所对应的类别就是该输入数据的预测类别。
Python 中可以使用scikit-learn 库实现决策树模型，其中包括ID3、C4.5 和CART 等算法。
二、经典案例介绍1.案例一：鸢尾花数据集分类鸢尾花数据集（Iris dataset）是一个常用的数据集，包含了鸢尾花的4 个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和3 个类别（Iris-Setosa，Iris-Versicolour，Iris-Virginica）。
通过决策树模型可以对鸢尾花进行正确分类。
2.案例二：泰坦尼克号乘客生存预测泰坦尼克号数据集（Titanic dataset）包含了泰坦尼克号沉船事件中幸存的乘客信息，包括性别、年龄、兄弟姐妹/配偶数量、父母/子女数量、船票号码等特征。
通过决策树模型，可以预测乘客是否在泰坦尼克号沉船事件中幸存。
3.案例三：房价预测房价预测是一个实际问题，通过收集房屋的特征数据（如面积、卧室数量、卫生间数量、地段等），可以使用决策树模型预测房价。
三、案例实现步骤1.数据准备首先需要收集和整理数据，将数据转换为适用于决策树模型的格式。
- 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)。
B低
【例题9】
• 今以方案 A 高为例，说明损益期望值的计算， 概率分叉点7的损益期望值为： • 5000×0.3+1000×0.5-3000×0.2=1400 万 元 • 概率分叉点2的损益期望值为： • 1400×0.3-50×0.7=385万元 • 同理，可得概率分叉点3、4、5、6各方案的损 益期望值分别为125、0、620和1100。 • 至此，承包商可做出决策，如投 A 工程， 宜投高标，如投 B 工程，宜投低标。而且从损 益期望值角度看，选定 B工程投低标更为有利。
0 气好
.3
不开
工
-1000 C
0 好 开气
.3
-1000
天气坏 0
.7
-1000
【例题8】
• 第三步：计算期望值 • 一般按反向的时间程序逐步计算，将各方案的 几种可能结果的数值和它们各自的概率相乘， 并汇总所得之和，其和就是该方案的期望值。 • 第四步：确定决策方案：在比较方案考虑的是 收益值时，则取最大期望值；若考虑的是损失 时，则取最小期望值。 • 根据计算出的期望值分析，本题采取开工方案 较好。
【例题9】
【例题9】
方案 A高 效果 优 一般 赔 优 一般 赔 优 一般 赔 优 一般 赔 可能的利润(万元) 5000 1000 -3000 4000 500 -4000 7000 2000 -3000 6000 1000 -1000 概率 0.3 0.5 0.2 0.2 0.6 0.2 0.3 0.5 0.2 0.3 0.6 0.1
• 某承包商拥有的资源有限，只能在 A 和 B 两个 工程中选 A 或 B 进行投标，或者对这两项工程 都不参加投标。 • 但根据过去该承包商投标经验资料，他对 A 或 B投标又有两种策略:一种是投高标，中标的机 会是 0.3 ；另一种是投低标，中标的机会是 0.5。 这样共有A高、A低、不投、B高和 B低五种方 案。 • 该承包商过去也承包过与A、B类似的工程， 根据统计资料，每种方案的利润和出现的概率 如下表所示。投标不中时，则对A损失50万元， 对B损失100万元。根据上述情况，试画出决 策树
【例题9】
【例10 】
• 某市拟建预制构件厂，现有三个方案可供选择：一次投资建 大厂，需投资300万元；一次投资建小厂，需投资160万元； 先建小厂，三年后如果产品销路好，则再扩建，需投资140万 元。工厂的使用年限按 10年计算。三个方案在前三年和后七 年销路好、销路差的概率和损益值如下： • 前三年销路好的概率为0.7,销路差的概率为0.3 • 若销路好时，建大厂的损益值为100万元，建小厂的损益值为 40万元； • 若销路差时，建大厂的损益值为-20万元，建小厂的损益值为 10万元； • 若前三年销路好，则后七年销路好的概率为0.9,销路差的概率 为0.1； • 若前三年销路差，则后七年的销路一定差。 • 试做出决策。
决策树的画法
• A、先画一个方框作为出发点，又称决策节点； • B 、从出发点向右引出若干条直线，这些直线叫 做方案枝； • C 、在每个方案枝的末端画一个圆圈，这个圆圈 称为概率分叉点，或自然状态点； • D 、从自然状态点引出代表各自然状态的分枝， 称为概率分枝； • E、如果问题只需要一级决策，则概率分枝末端 画三角形，表示终点 。
【例题8】
【解】第一步：将题意表格化 自然状态 概率 行动方案 开工 天气好 天气坏 0.3 0.7 40000 -10000 不开工 -1000 -1000
【例题8】
第二步：画决策树图形，根据第一步所列的 表格，再绘制决策树，如下图；
40000 5000 B
开工
A
开 天气坏 0.7
-10000
概率分叉点 (自然状态点)
损益值
枝 分 案 方
2
枝 概率
损益值
概率枝
1
决策 结点
方案 分枝
枝 率 概
损益值
3
概率分叉点 (自然状态点)
概率 枝
损益值
图4-1
决策树
【例题8】
• 假设有一项工程，施工管理人员需要决定 下月是否开工。如果开工后天气好，则可 为国家创收4万元，若开工后天气坏，将给 国家造成损失1万元，不开工则损失1000元。 根据过去的统计资料，下月天气好的概率 是0.3,天气坏的概率是0.7。请做出决策。 现采用决策树方法进行决策
风险型决策 • 最大概率法、收益期望值法、决策树法★
决策树法 • 将损益期望值法中的各个方案的情况用一个概率树 来表示，就形成了决策树。它是模拟树木生长的过 程，从出发点开始不断分枝来表示 所分析问题的各 种发展可能性，并以各分枝的损益期望值中的最大 者作为选择的依据。 • 决策树的画法、 决策树的例子 • 例题8、例题9、例题10