多级决策树例题经典案例
决策树例题
• 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。
25
益损值 方案
甲 乙 丙
状态 需求量较 需求量一 高般
600 400 800 350 350 220
需求量 较低
-150 -350 50
需求量很低
-350 -700 -100
丁
400 250
90
-50
益损值 方案
状态 需求 量较 高
需求量 一般
需求量 需求量 最大后 较低 很低 悔值
甲
200 0
13
➢最后比较决策点1的情况： • 由于点③（719万元）与点②（680万元）
相比，点③的期望利润值较大，因此取 点③而舍点②。这样，相比之下，建设 大工厂的方案不是最优方案，合理的策 略应采用前3年建小工厂，如销路好，后 7年进行扩建的方案。
14
决策树法的一般程序是： （1）画出决策树图形 决策树指的是某个决策问题未来发展情 况的可能性和可能结果所做的估计，在图纸上的描绘决策树 （2）计算效益期望值 两个行动方案的效益期望值计算过程： 行动方案A1(建大厂)的效益期望值: 13.5×0.8×10＋25.5×0.2×10－25=134万元 行动方案A2（建小厂）的效益期望值： 15×0.8×10+15×0.2×10-10=140万元 （3）将效益期望值填入决策树图 首先在每个结果点后面填上 相应的效益期望值；其次在每个方案节点上填上相应的期望值， 最后将期望值的角色分支删减掉。只留下期望值最大的决策分 支，并将此数值填入决策点上面，至此决策方案也就相应选出
案例试题—决策树
一、2002年案例考试试题——决策树某房地产开发公司对某一地块拟定两种开发方案。
A方案：一次性开发多层住宅45000平方米，需投入总成本费用9000万元，开发时间18个月。
B方案：将地块分两期开发，一期开发高层住宅36000平方米，需投入总成本费用8100万元，开发时间15个月。
如果一期销路好，则二期继续开发高层住宅36000平方米，投入总费用8100万元，如果一期销路差，或者暂停开发，或者开发多层住宅22000平方米，投入总费用4600万元，开发时间15个月。
两方案销路好和销路差时的售价和销量情况见下表。
根据经验，多层住宅销路好的概率为0.7，高层住宅销路好的概率为0.6，暂停开发每季损失10万元，季利率2％。
问题：1、两方案销路好和销路差时季平均销售收入各为多少万元（假定销售收入在开发时间内均摊）2、用决策树做出决策，应采用哪个方案（计算结果保留两位小数）答案：1、A方案开发多层住宅：销路好4.5×4800×100％÷6＝3600（万元）销路差4.5×4300×80％÷6＝2580（万元）B方案一期开发高层住宅：销路好3.6×5500×100％÷5＝3960（万元）销路差3.6×5000×70％÷5＝2520（万元）B方案二期开发高层住宅：3.6×5500×100％÷5＝3960（万元）开发多层住宅：销路好2.2×4800×100％÷5＝2112（万元）销路差2.2×4300×80％÷5＝1513.6（万元）2、机会点①净现值的期望值：(3600×0.7＋2580×0.3)×(P/A,2％,6)－9000=(3600×0.7＋2580×0.3)×5.601－9000=9449.69（万元）等额年金：9449.69×(A/P,2％,6)=9449.69×1/5.601=1687.14（万元）机会点③净现值的期望值：3960×(P/A，2％，5)×1.0－8100=3960×4.713×1.0－8100=10563.48（万元）等额年金：10563.48×(A/P,2％,5)=10563.48×1/4.713=2241.35（万元）机会点④净现值的期望值：－10×(P/A,2％,5)=－10×4.713=－47.13（万元）等额年金：－47.13×(A/P,2％,5)=－47.13×1/4.713=－10.00（万元）机会点⑤净现值的期望值：(2112×0.7＋1513.6×0.3)×(P/A,2％,5)－4600=(2112×0.7＋1513.6×0.3)×4.713－4600=4507.78（万元）等额年金：4507.78×(A/P,2％,5)=4507.78×1/4.713=956.46（万元）根据计算结果判断，B方案在一期开发高层住宅销路差的情况下，二期应改为开发多层住宅。
大一管理学决策树例题经典案例
观所患自当差案例今天给大家讲个超有趣的“观所患自当差”的案例。
我有个朋友小李，这人啊，身体一直倍儿棒，吃嘛嘛香的。
可是呢，前段时间突然就病恹恹的了。
他说自己头疼得就像有一群小人在脑袋里敲鼓，还浑身乏力，感觉像被抽走了筋骨似的。
去医院各种检查，医生看了检查报告也是直摇头，说这病有点奇怪，各项指标虽然有点小波动，但又不至于造成这么难受的症状。
这时候啊，小李的奶奶就发话了。
他奶奶可是个有点老经验的人，奶奶就说：“我看呐，这就是那种观所患自当差的情况。
”我们都很疑惑，啥叫观所患自当差呢？奶奶就开始解释，说这就是一种感觉上很严重，但只要心态好，自己就会慢慢好起来的情况。
小李一开始还不信呢，他觉得奶奶就是老观念。
但是呢，他吃了好多药也没见好，就想试试奶奶说的这个办法。
于是啊，小李就开始调整自己的心态。
他不再整天愁眉苦脸地担心自己的病，而是该干啥干啥。
他本来就喜欢画画，于是又拿起画笔，每天画个一两个小时。
还跟着邻居家的狗出去散步，那小狗跑在前面，他就在后面慢悠悠地跟着，享受着阳光。
你还别说，过了一段时间，小李真的就感觉自己的病在慢慢好转。
头疼的次数越来越少，浑身也有劲儿了。
就像他身体里的那些小毛病听到了奶奶的话似的，都悄悄溜走了。
从这个案例来看呢，“观所患自当差”虽然听起来有点玄乎，但其实也有一定的道理。
有时候啊，我们身体上的不舒服可能和我们的心理状态有很大的关系。
当我们把心态放轻松了，身体可能也就跟着好起来了。
就像小李，本来被病痛折磨得不行，结果调整心态后，就真的逐渐恢复健康啦。
这也告诉我们，面对疾病，除了依靠医学手段，积极乐观的心态也很重要哦。
决策树计算题
决策树问题1.某建筑公司拟建一预制构件厂，一个方案是建大厂，需投资300万元，建成后如销路好每年可获利100万元，如销路差，每年要亏损20万元，该方案的使用期均为10年；另一个方案是建小厂，需投资170万元，建成后如销路好，每年可获利40万元，如销路差每年可获利30万元；若建小厂，则考虑在销路好的情况下三年以后再扩建，扩建投资130万元，可使用七年，每年盈利85万元。
假设前3年销路好的概率是0.7，销路差的概率是0.3，后7年的销路情况完全取决于前3年；试用决策树法选择方案。
解：这个问题可以分前3年和后7年两期考虑，属于多级决策类型，如图所示。
决策树图示考虑资金的时间价值，各点益损期望值计算如下：点①：净收益＝[100×(P/A，10％，10)×0.7+(-20)×（P/A，10％，10）×0.3]-300=93.35(万元)点③：净收益＝85×(P/A，10％，7)×1.0-130=283.84(万元)点④：净收益＝40×(P/A，10％，7)×1.0=194.74(万元)可知决策点Ⅱ的决策结果为扩建，决策点Ⅱ的期望值为283.84+194.74＝478.58（万元）点②:净收益＝（283.84+194.74）×0.7+40×(P/A，10％，3)×0.7+30×(P/A，10％，10)×0.3-170＝345.62（万元）由上可知，最合理的方案是先建小厂，如果销路好，再进行扩建。
在本例中，有两个决策点Ⅰ和Ⅱ，在多级决策中，期望值计算先从最小的分枝决策开始，逐级决定取舍到决策能选定为止。
2.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。
决策树算法最经典应用案例
决策树算法最经典应用案例决策树算法是一种常用的机器学习算法，它可以应用于各种实际问题，帮助人们做出决策。
下面列举了决策树算法的十个经典应用案例。
1. 银行贷款风险评估银行可以使用决策树算法来评估客户的信用风险，根据客户的个人信息、收入情况、信用记录等特征，构建决策树模型，预测客户是否有偿还贷款的能力。
2. 电商推荐系统电商平台可以利用决策树算法根据用户的历史购买记录、浏览行为、个人偏好等信息，构建决策树模型，实现个性化的商品推荐，提高用户购买转化率。
3. 医学诊断医生可以使用决策树算法来辅助诊断疾病。
根据患者的症状、生理指标、病史等特征，构建决策树模型，帮助医生判断患者是否患有某种疾病，从而指导治疗方案。
4. 电影评分预测在线视频平台可以利用决策树算法根据用户的观看历史、评分记录、影片类型等信息，构建决策树模型，预测用户对未观看的电影的评分，从而为用户推荐感兴趣的电影。
5. 股票市场预测投资者可以使用决策树算法来预测股票市场的涨跌。
根据股票的历史交易数据、市场指标、财务数据等特征，构建决策树模型，预测股票的涨跌趋势，指导投资决策。
6. 人脸识别人脸识别系统可以利用决策树算法根据人脸图像的特征，构建决策树模型，识别出不同的人脸。
决策树的每个节点表示一个特征的判断，通过逐层判断，最终确定人脸的身份。
7. 自然语言处理自然语言处理任务中，如情感分析、文本分类等，可以使用决策树算法来构建模型，根据文本的词频、句法结构等特征，判断文本的情感倾向或类别。
8. 网络安全检测网络安全检测系统可以使用决策树算法来识别恶意攻击。
根据网络流量的特征、用户行为等信息，构建决策树模型，判断网络流量是否存在安全风险。
9. 智能交通智能交通系统可以利用决策树算法根据交通流量、车速、天气等信息，构建决策树模型，预测交通拥堵情况，为驾驶员提供最佳出行路线。
10. 疾病预测医疗领域可以利用决策树算法根据患者的基因、病史、生活习惯等特征，构建决策树模型，预测患者是否患有某种遗传性疾病，从而进行早期干预和治疗。
python决策树经典案例
python决策树经典案例以Python决策树经典案例为题，列举以下十个案例。
1. 预测鸢尾花品种鸢尾花数据集是一个经典的分类问题，其中包含了三个不同品种的鸢尾花的测量数据。
通过使用决策树算法，我们可以根据花瓣和花萼的长度、宽度等特征，预测鸢尾花的品种。
2. 判断信用卡申请的风险在信用卡申请过程中，银行需要评估申请人的信用风险。
使用决策树算法，我们可以根据申请人的个人信息（如年龄、收入、债务等），预测其信用卡申请是否有风险。
3. 识别垃圾邮件垃圾邮件是每个人都会遇到的问题，而决策树可以帮助我们自动识别垃圾邮件。
通过对邮件的主题、发送者、内容等特征进行分析，决策树可以判断一封邮件是否为垃圾邮件。
4. 预测房价房价预测是房地产市场中的一个重要问题。
通过使用决策树算法，我们可以根据房屋的各种特征（如面积、地理位置、卧室数量等），预测房屋的价格。
5. 识别植物病害农作物病害的及时识别对于农业生产非常重要。
使用决策树算法，可以根据植物叶片的形状、颜色、纹理等特征，判断植物是否受到病害的侵袭。
6. 预测股票涨跌股票市场的波动性很大，而决策树可以用来预测股票的涨跌。
通过分析股票的历史数据和各种市场指标，决策树可以预测股票的未来走势。
7. 判断病人是否患有某种疾病医疗诊断是决策树算法的另一个应用领域。
通过分析病人的症状、体征等信息，决策树可以帮助医生判断病人是否患有某种疾病，并给出相应的治疗建议。
8. 预测客户流失率对于一家公司来说，客户流失是一个重要的问题。
通过使用决策树算法，我们可以根据客户的消费行为、购买记录等信息，预测客户的流失率，并采取相应的措施来留住客户。
9. 判断某人是否适合借贷在金融行业中，决策树可以用来评估某个人是否适合借贷。
通过分析个人的收入、信用记录、职业等信息，决策树可以判断一个人是否有能力偿还借款。
10. 识别手写数字手写数字识别是机器学习领域中的一个经典问题。
通过使用决策树算法，可以根据手写数字的像素点信息，准确地识别出手写数字是哪个数字。
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。
【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0.710060销路差0.3-2020【解】（1）绘制决策树，见图1；100×10-20×1060×1020×10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340340320231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1505010010销路好0.7销路差0.3销路好0.7销路差0.3-500-300231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。
- 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)。
多级决策树例题经典案例
多级决策树是一种常用的机器学习算法，用于分类和回归问题。
以下是一个经典的多级决策树案例，即信用评分模型。
假设我们要预测一个人是否会违约，可以使用多级决策树模型。
数据集包括多个特征，如年龄、收入、职业、信用历史等。
我们的目标是根据这些特征预测一个人是否会违约。
首先，我们将数据集分成训练集和测试集。
训练集用于训练决策树模型，测试集用于评估模型的准确性和性能。
接下来，我们可以使用递归分区算法来构建多级决策树。
递归分区算法基于训练数据集的特征来划分数据集，直到满足停止条件为止。
在每个节点上，我们选择最佳的特征来划分数据集，以便最大化纯度或信息增益。
在构建决策树的过程中，我们需要选择合适的阈值来划分每个节点的输出类别。
在多级决策树中，每个节点可能有多个阈值，因此我们需要选择最优的阈值来划分输出类别。
最后，我们可以使用测试集来评估模型的准确性和性能。
我们可以计算模型的精度、召回率、F1分数等指标来评估模型的性能。
如果模型的性能良好，则可以将模型应用于实际预测任务中。
以上是一个经典的多级决策树案例，通过该案例我们可以了解多级决策树的基本原理和应用方法。
在实际应用中，我们还需要考虑特征选择、特征工程、剪枝等问题，以提高模型的性能和泛化能力。