简述决策树方法的基本内涵_百度知道
简述决策树方法的基本内涵
简述决策树方法的基本内涵
我有更好的答案
对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。即通过一系列规则对数据进行分类的过程。顺便问句，是拿去看的还是打成电子稿的啊！o(∩_∩)o 考试顺利啊~
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。简述决策树方法的基本内涵_百度知道
简述决策树方法的基本内涵
简述决策树方法的基本内涵
我有更好的答案
决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。
采纳率：90%
来自团队：
为您推荐：
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。文献检索－互助
主题：【求助】(已应助)求关于药物制剂的相关资料
浏览 |回复7
guguqiangye
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：guguqiangye
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
发表于： 14:15:13
求关于药物制剂的相关资料。帮帮忙大家都来帮帮忙啊
相关实验室
相关检测服务
食品与农产品
食品与农产品
食品与农产品
Last edit by handsomeland
我在故我思
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：hotdoglet
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
楼主，你好！论坛的资料中心有《药物制剂研究开发与生产新工艺技术应用大全》：& http://www.instrument.com.cn/show/download/shtml/036615.shtml
该帖子作者被版主
大陆 加 4 积分，
2经验，加分理由：应助
我在故我思
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：hotdoglet
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
guguqiangye
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：guguqiangye
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
谢谢你！还有其他的吗？
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
你应该自己学会查找文献,不能全靠别人,这样你总也不能提搞.
我在故我思
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：hotdoglet
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
原文由 guguqiangye 发表:谢谢你！还有其他的吗？楼主，你好！关于文献您可以先到中国知网、ScienceDirect等数据库进行免费查询，然后再到这里求助全文。这样的求助会更加有效一些，毕竟还是您自己清楚想要什么样的文献。
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：happyjyl
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
你可以看看我上传的文件，认证用户都是免费下载，非认证用户是1分下载：中药缓释释药技术及设备ICH Q3C 杂质：残留溶剂指导原则（英文版）中、美、英三国新版药典溶出度、释放度检查方法比较欧盟灭菌工艺决策树介绍（英）欧盟灭菌工艺决策树介绍（中）FDA灭菌工艺验证资料指南（英）FDA无菌生产cGMP指南（英）FDA无菌生产cGMP指南（中）PDA湿热灭菌技术专论（英）制剂无菌检查及微生物限度检查方法学验证及验证结果的技术评价药物释放系统的发展趋势药物制剂的研究开发现状及展望 速溶制剂技术现状一览 制剂制备工艺研究指导原则 含有明胶处方药物剂型的溶出性质变化 中药新剂型研究与应用进展 我国药品片剂包装材料选择的原则 药品包装、标签和说明书备案常见问题 中药新药研究中软胶囊的崩解时限延迟现象分析 口服缓释制剂中辅料应用 点击我头像旁边的“个人资料”，进入后点击“上载资料”就可以看到我上传的资料了。也可以用happyjyl为用户名在资料中心搜索。
<p class="orgred oe jinghua_
<p class="orgred oe tiezi_
<p class="orgred oe huitie_
ID：wangxide
行业：石油行业―校长油行业―校长油行..
积分：<span class="gray0 userintegral_升级还需100积分
声望：<span class="gray0 userrenown_升级还需100声望
注册时间：
最后登录时间：<span class="gray0 userlastl_00-00-00
结帖率：100%
关注： |粉丝：
新手级：&新兵
仪器论坛办的好，我会经常来这里学习决策树中净收益怎么算
项目期权估值净现值和决策树分析摘 要在项目固有的灵活性的基础上，包括放弃，推迟，扩大，合同或切换到一个不同的项目的可能性, 实物期权分析（ROA）已经发展成为正确评估项目价值的方法。实物期权允许使用的复制组合技术或风险中性概率方法计算正确的贴现率。我们在等值版本的净现值公式的基础上提出一个评估实物期权的变换方法，从而消除了确定孪生证券市场定价的需要。此外，我们的方法可以扩展到多项树的情况下，即建模项目中的不确定性的一个有用的工具。我们引进内决策树分析（DTA）的方法，以获得盛行于不同的机会节点的不同的折现率。我们在“情景容量规划法”[Eppen G.D.,马丁，R.K.，施拉格，L.E.，1989年。情景容量规划方法。运筹学，37（4）]中提出的有关该方法的应用的基础上阐明我们的方法。书中作者在通用汽车公司研究能力配置投资决策的基础上指出“...... 在预计需求的基础上没有科学的方法来确定适当的折现率”。我们的方法可以得出科学正确的贴现率。分析的一个重大成果是，在当时的市场条件下，贴现率从项目的结构和其行为中内源性派生，而不是外部强加的。关键词：决策分析；金融；投资分析；实物期权分析；情景介绍大量的研究工作已经投入到投资项目的分析和估价。传统金融理论提出的净现值（NPV）的概念，是在固有的项目风险的基础上使用的资本成本。NPV的框架已经受到批评，因为它声称，它不能应付来自投资项目的潜在的灵活性，这将使原有的现金流量模式发生变化。特里杰奥吉斯（1996）声称，传统的资本预算方法或贴现现金流方法无法应付经营灵活的期权和各种项目有关战略方面的问题，但正确的使用期权技术可以解决这一问题。此外，平狄克和迪克西特（1995）认为，传统的投资决策准则的假设是要在特定的时间点上的投资决策，但决策时间点的机会成本不顾随后的决策选择所创造的价值。这使企业暴露在高风险之下，导致净现值计算的谬论，同时整个投资决策的失误，将造成不可挽回的投资损失。但事实上，投资项目也许能够等待更多的信息出现以后，然后才实施投资决策。史密斯和麦卡德尔（1999）写了到“......使用以资本成本为基础的贴现规则也许会......总体来说当应用到明显不同的项目时会导致麻烦。如果你打算对不同的项目使用风险调整贴现率，你应该针对不同的项目使用不同的贴现率，在各自的资本成本基础上各自地评估它们......鉴于项目的灵活性，你可能需要更近一步的和使用不同的折现率对其进行估值，因为在不同的时期和不同的场景，一个项目的风险可能会随时间而改变，这决定于不确定性如何展开和管理者的反应......虽然原则上，人们可以使用时间和状态不同的折扣率来评估灵活性的项目的价值，但是它会变得很难确定适当的折现率在这一框架内使用。布雷利和梅尔斯（2000）注意到“大多数项目在几年内都产生现金流量。企业通常使用相同的风险调整后的利率折现这些现金流量。当他们这样做时，他们都隐含假设着累积风险的增加，在以后以至未来都是一个恒定的比率。这种假设通常是合理的......但有时例外证明了这个假设。风险明显并不稳步增加的时候应对项目进行警报。在这些情况下，你应该打破该项目分为各段，使同一折现率能够合理使用。使用净现值方法对项目价值进行评估遭受到的这些批评，导致评价项目管理上的灵活性的实物期权分析（ROA）方法的出现。实物期权分析法中的未定权益分析方法利用证券市场定价导向来构建投资组合，即利用无套利的论点复制项目的回报和确定项目值。通过计算调整后的概率而使用无风险贴现率估价项目的方法与风险中性......余下全文>>
管理学中用决策树计算期望收益需要减去成本来进行
决策树分析法是一种运用概率与图论中的树对决策中的不同方案进行比较，从而获得最优方案的风险型决策方法。图论中的树是连通且无回路的有向图，入度为0的点称为树根，出度为0的点称为树叶，树叶以外的点称为内点。决策树由树根（决策节点）、其他内点（方案节点、状态节点）、树叶（终点）、树枝（方案枝、概率枝）、概率值、损益值组成。
1.绘制决策树，见图。2.计算期望值。状态点2的期望值：0状态点3的期望值：(-60000) ×0.02 = -1200(元)状态点4的期望值：(-60000) ×0.02 + (-10000) ×0.25 = -3700(元)3.选择损失最小的方案。min{(0-1800),(-),(-3700-0)}=-1700(元)以不搬走施工机械并作好防护措施最为合算。
决策树是数学、计算机科学与管理学中经常使用的工具。决策论中 (如风险管理)，决策树(Decision tree)由一个决策图和可能的结果(包括资源成本和风险)组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。比如，在贷款申请中，要对申请的风险大小做出判断，图是为了解决这个问题而建立的一棵决策树，从中我们可以看到决策树的基本组成部分：决策节点、分支和叶子。决策树中最上面的节点称为根节点，是整个决策树的开始。本例中根节点是“收入>￥40,000”，对此问题的不同回答产生了“是”和“否”两个分支。决策树的每个节点子节点的个数与决策树在用的算法有关。如CART算法得到的决策树每个节点有两个分支，这种树称为二叉树。允许节点含有多于两个子节点的树称为多叉树。决策树的内部节点（非树叶节点）表示在一个属性上的测试。每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用几个变量（每个变量对应一个问题）来判断所属的类别（最后每个叶子会对应一个类别）。盯例如，假如负责借贷的银行官员利用上面这棵决策树来决定支持哪些贷款和拒绝哪些贷款，那么他就可以用贷款申请表来运行这棵决策树，用决策树来判断风险的大小。“年收入>￥40,00”和“高负债”的用户被认为是“高风险”，同时“收入5年”的申请，则被认为“低风险”而建议贷款给他/她。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测（就像上面的银行官员用他来预测贷款风险）。常用的算法有CHAID、 CART、ID3、C4.5、 Quest 和C5.0。建立决策树的过程，即树的生长过程是不断的把数据进行切分的过程，每次切分对应一个问题，也对应着一个节点。对每个切分都要求分成的组之间的“差异”最大。对决策树算法的研究开发主要以国外为主， 现有的涉及决策树算法的软件有SEE5、Weka、spss等，在国内也有不少人开展了对决策树算法的构建及应用研究，如中国测绘科学研究院在原有C5.0算法的基础上进行了算法重构，将其用于地表覆盖遥感影像分类中。
造价工程师案例分析的例题决策树是按照节点值乘以概率比较节点的期望值大小来决定优选哪个方案的。这里是动态考虑，考虑了时间效应，所以才折算的
C97D38AD-FA75D58-55DA465
Copyright &
就爱阅读网 All Rights Reserved. 鲁ICP备号-4
声明：文章《决策树中净收益怎么算》由就爱阅读网友共享发布，目的只是为了归纳学习和传递资讯
所有作品版权归原创作者所有，与本站立场无关，如用户分享不慎侵犯了您的权益，请联系我们告知，我们将做删除处理！挑水果？选男朋友？让决策树来帮你
&选择是一个人所能拥有的最重要的能力，也许是因为太重要了，许多人在现实中都有选择恐惧症。今天，我就来向你推荐一种好用的工具——决策树，这是一种简单但使用广泛的分类器，也可以看作是以实例为基础的归纳学习算法，它从一组无次序、无规则的元组中推理出树表示形式的分类规则，然后基于该规则建立决策树，对类别进行判断。决策树属于机器学习中监督学习的范畴，通过训练数据构建决策树，可以高效地对未知数据进行分类。说的更直白点，决策树就是一种像树一样层层分支、不断递进的决策工具。
&比方说吧，很多人都爱吃木瓜，判断一个木瓜好不好吃，可以先看木瓜的颜色，如果颜色不在浅绿到浅黄之间，就不用看其他的了，直接判断这个木瓜味道不好；否则，转而测试它的软硬程度，如果用手掌压木瓜会产生轻微的变形，那么这个木瓜肯定好吃，否则就不好吃。决策树上每个内部节点表示一个特征，每个分支代表一个特征的取值，每个叶节点代表一种类别，由此构造出相应的决策树如下：&
只用决策树判断一个木瓜好不好吃，也未免太大材小用了！其实寻找另一半是人生中最重要的决策，我们也可以用决策树来找男朋友，通过四个决策节点“长相、学历、收入、上进”排除了“丑、笨、穷还不努力的人”，选出“帅气聪明收入一般且非常努力”的潜力股。选出了这样的男朋友，假设他也对你情有独钟，那你们牵手就一定会幸福吗？那可不一定。因为在上述的决策节点中，我们漏掉了一个重要的因素——性格，一个人的性格如何对于亲密关系来说太重要了，但是性格或者说是脾气对不熟悉的人来说很难判断，只有长期相处才会了解，那么一开始做决策时我们只能通过从别人那里了解或是根据初步印象，再用概率的方式来估计，比如说我看那天他开车时，路况非常堵，他还是镇定自若、谈笑风生，八成脾气不错；想的再多一点，在这样一个充满诱惑的时代，他会一直对你忠诚吗？另外，在今天的市场经济社会里，没有钱也比较难熬，所谓的“贫贱夫妻百事哀”，你所看重的潜力股现在收入不高，虽然他聪明又努力，将来就一定会很富有吗？所有这些因素都不是确定的，只能用概率来判断了。那根据你从别人那里了解的和平时对他的观察，你估计他脾气好的概率是80%，出轨的概率是40%，有钱的概率是30%，现在你用下面的决策树测试一下，就可以判断这个潜力股是你可以考虑的对象：
&在机器学习中，构建一棵决策树的实际算法是基于启发式思想比如贪婪方法，逐步构建决策树，在每个节点采用局部最优策略。具体而言，从单节点（根节点）开始递归的生成一棵树，将实例数最多的类作为该叶子节点的类标记；然后进行一系列迭代，每迭代一次，通过信息增益来测试拆分一个叶子结点的效果；然后，在所有可能的拆分中，选择最大化信息增益的拆分法，或者不拆分（此时所对应的数据的熵足够小）。通俗一点说，就是在样本所有特征中，有一些特征在分类时起决定性作用，找到这些具有决定性作用的特征，根据其决定性程度来构造一个倒立的树——决定性作用最大的那个特征作为根节点，该特征将数据集划分为若干个子集，然后递归找到各分支下子数据集中次大的决定性特征，继续划分子集，直到数据集中所有数据都属于同一类，也即所有的节点都只有一个类型，则为叶节点。所以，构造决策树的过程本质上就是根据数据特征将数据集分类的递归过程，我们需要解决的第一个问题就是，当前数据集上哪个特征在划分数据分类时起决定性作用，通常选取能最大程度减小数据集分类的不确定性的特征。在上述男朋友候选对象决策树的构造中，我们认为脾气好坏在候选对象分类中决定性作用最大，其次为忠诚度，最后为未来有钱与否。
&这里用到了三个概念，首先是信息熵，这是1948年由信息论之父克劳德·香农提出的，它解决了对信息的量化度量问题。信息量的大小跟事情不确定性的变化有关，信息熵就是平均而言发生一个事件我们得到的信息量大小，如果这件事发生的概率是1，则其信息熵为0，意思就是说了跟没说一样；反过来，如果这件事发生的概率极微，那么它的信息熵趋向于无穷大。在决策树中信息熵针对的不是事件，而是随机变量，它反映了随机变量的不确定性，可用H(D)表示对数据集D进行分类的不确定性，这个值越大，不确定性越大，预测的难度越大；而条件熵H(Y|X)是在已知随机变量X的条件下，随机变量Y的不确定性，这里用H(D|A)来表示在特征A给定的条件下对数据集D进行分类的不确定性；信息增益则是指由于分类特征而使得对数据集的分类的不确定性减小的程度，可以用g(D|A)=
H(D)- H(D|A)来表示。决策树以信息熵的下降速度为选取特征的标准，即在每个节点选取尚未被用来划分的具有最高信息增益的特征作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。也就是说，如果一种特征分类的信息增益大于另一种特征，那么在这个问题决策中，采用这个特征分类更佳。
&在金融领域，决策树的一个典型应用是在信用卡欺诈检测中。我们可以根据用户在一段时间内的信用卡交易，建立决策树模型，识别哪些交易是用户操作的，可以依据的特征有：用户的IP、用户的电脑、用户交易金额以及用户的交易时间。另外，由于在检测欺诈时需要考虑的因素很多，可能多达几百个，可以考虑采用决策树的随机森林方法。随机森林是用随机的方式建立一个森林，森林由很多的决策树组成，每一棵决策树之间没有关联；建立森林之后，当一个新的输入样本进入时，让森林中的每一棵决策树分别判断，看看这个样本应该属于哪一类；然后根据哪一类被选择最多，就预测这个样本为哪一类。在这里，每一棵决策树就像一个精通某个专业领域的专家，面对一个新的问题，可以让不同领域的专家处理这个问题，最终由各位专家投票得到结果。
&决策树易于理解和实现，而且执行效率高，构建一次决策树，就可以反复使用。下次，再面临什么选择问题时，你就不用再纠结了，试试决策树吧！
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}