Дерево решений - это один из контролируемых алгоритмов машинного обучения, который можно использовать как для регрессионных, так и для классификационных задач, но в основном он используется для задач классификации.
Контролируемое обучение - это когда вы берете некоторые данные (в основном известные как данные обучения), которые имеют как ввод, так и вывод, и создаете функцию, которая сопоставляет ввод с выводом. Например, предположим, что у вас есть значения X (вход) и Y (выход), как в таблице 1.
Теперь здесь мы видим соотношение, в котором значение y почти в 3 раза больше, чем x, поэтому мы можем сопоставить функцию между ними как y = 3x, Теперь для каждого нового значения x мы просто умножим его на 3, и мы сможем получить значение y. Итак, мы отобразили здесь функцию y от x. Это обучение с учителем, у нас также может быть несколько входов, которые называются функциями.
В Decision Tree мы строим дерево, которое помогает нам получать выходные данные из входных. По сути, это будет похоже на несколько if-else для достижения результата. Теперь мы узнаем, как построить дерево решений из определенного набора данных.
