Uitleg
Een decision tree (beslisssingsboom) is een algoritme dat gestructureerde beslissingen neemt door vragen over features te stellen. Het algoritme maakt een boomachtige structuur waarbij elk knooppunt een vraag is, takken zijn antwoorden, en bladeren eindresultaten zijn.
Decision trees zijn intuïtief en gemakkelijk te begrijpen door mensen. Ze werken goed voor zowel classificatie als regressie. Het algoritme zoekt naar features die de data het beste splitsen om onzuiverheid te minimaliseren.
Een nadeel is dat decision trees gevoelig zijn voor overfitting (te goed aangepast aan trainingsdata). Dit probleem wordt aangepakt met ensemble-methoden zoals random forests, die vele decision trees combineren voor betere voorspellingen.
⚡ Voorbeelden
- •Een bank gebruikt een decision tree om leningen goed te keuren: Is kreditscore > 750? Is schuld-inkomsten ratio < 0.5?
- •Ziekenhuizen gebruiken decision trees voor snelle medische diagnostiek gebaseerd op symptomen
- •Verzekeraars gebruiken decision trees om rijders in risicocategorieën in te delen