درخت تصمیم

درخت تصمیم یکی از ابزارهای قوی و متداول برای دسته بندی و پیش بینی می باشد. درخت- تصمیم گیری بر خلاف شبکه های عصبی به تولید قانون می پردازد. یعنی درخت تصمیم گیری   پیش بینی خود را در قالب یک سری قوانین توضیح می دهد در حالیکه در شبکه های عصبی تنها پیش بینی نهایی بیان می شود و چگونگی آن در خود شبکه پنهان باقی می ماند.

درختان تصمیم گیری تنها مقادیر ویژگی های گسسته را توسط متغیر هدف (ویژگی کلاس یا ویژگی وابسته) پیش گویی می کند. این پیش گویی توسط متغیر کلاس که ویژگی هدف یا ویژگی وابسته نیز نامیده می شود، صورت می گیرد. مقادیر ویزگی هدف، وابسته به مقادیر متغیرهای (ویژگیهای) مستقل (توصیف کننده) و وجود آنها در ساختار درخت تصمیم گیری است.

1-15-6: شبکه های عصبی

این شبکه ها ابزارهایی هستند که در موارد پیش بینی ، خوشه بندی و تخمین کاربرد دارند. جذابیت شبکه های عصبی در این است که آنها بوسیله مدلسازی ارتباطات عصبی مغز انسان در کامپیوترهای دیجیتالی پلی برای فاصله موجود ایجاد می کنند.

برای شناخت الگوهایی که در داده ها وجود دارند بسیار مفید هستند، خصوصاً در مواقعی که نوع رابطه بین هدف (به عنوان مثال ارزیابی وضعیت اعتباری) و متغیرهای ورودی (مثلا ویژگی های جمعیتی) نامشخص و یا پیچیده باشد.

شبکه های عصبی روش محاسبه ای متفاوت با روشهای متداول می باشند. محاسباتی که با روشهای معمولی انجام می شود از نوع برنامه ریزی شده است و در آنها الگوریتم ها و مجموعه هایی از قواعد به کار می روند تا مسأله را حل کنند. در این روشها اگر الگوریتمی در دست نباشد یا الگوریتم پیچیده باشد، راه حلی برای مسأله وجود نخواهد داشت. اما در محاسباتی که شبکه عصبی اجرا میکند به الگوریتم و مجموعه قواعد نیاز نیست.

 

لینک جزییات بیشتر و دانلود این پایان نامه:

اعتبارسنجی واحدهای تجاری دریافت کننده تسهیلات مالی مبتنی بر صورتهای مالی