Decision Trees
เป็นการตัดสินใจการตัดสินใจทำกิจกรรมใดกิจกรรมหนึ่งขึ้นอยู่กับเงื่อนไข โดยที่เงื่อนไขประกอบขึ้นจาก ตัวแปรต่าง ๆ ที่เป็นปัจจัยในการตัดสินใจต้นไม้การตัดสินใจคือการไหลของแผนภูมิโครงสร้างคล้ายที่โหนดภายในแสดงให้เห็นถึงการทดสอบในแอตทริบิวต์แต่ละสาขาแสดงให้เห็นถึงผลของการทดสอบและโหนดใบฉลากแต่ละชั้นเรียน (การตัดสินใจหลังจากการคำนวณคุณลักษณะทั้งหมด) เส้นทางจากรากใบแสดงให้เห็นถึงกฎการจัดหมวดหมู่เป็นแบบจำลองทางคณิตศาสตร์ เพื่อการหาทางเลือกที่ดีที่สุด สำหรับปัญหาที่มีทางเลือกน้อย โดยการนำข้อมูลมาสร้างแบบจำลองการพยากรณ์ในรูปแบบของโครงสร้างต้นไม้ ซึ่งมีการเรียนรู้ข้อมูลแบบมีครูสอน (Supervied Learning) สามารถสร้างแบบจำลองการจัดหมวดหมู่ (Clustering) ได้จากกลุ่มตัวอย่างของข้อมูลที่กำหนดไว้ล่วงหน้า(Training set) ได้โดยอัตโนมัติ และสามารถพยากรณ์กลุ่มของรายการที่ยังไม่เคยนำมาจัดหมวดหมู่ได้ด้วย
- ตารางตัดสินใจ (Decision Table) เป็นตารางการตัดสินใจอย่างง่าย แก้ปัญหาที่ไม่มีความซับซ้อน มีทางเลือกในการตัดสินใจไม่มากนัก
- แผนภาพต้นไม้การตัดสินใจ (Decision Tree) ใช้โครงสร้างต้นไม้ (Tree) เป็นแบบจำลองในการตัดสนใจ ซึ่ง Decision Tree มีองค์ประกอบ คือ Root node หมายถึง node ตัวแรกด้านบน สามารถแตกกิ่งก้านสาขา ที่เราเรียกว่า Branch ซึ่งจะมี Left Branch กับ Right Branch ทั้ง 2 Branch สามารถขยาย (Expansion) ลูก ๆ ของตนเองออกไปได้อีก ซึ่งลูกของ Branch จะเรียกว่า Child ส่วน node ที่อยู่ level ท้ายสุด เราจะเรียกว่า Leaf node Decision Tree จะใช้แก้ปัญหาง่าย ๆ ที่มีเงื่อนไขไม่มาก ไม่ซับซ้อน เพื่อให้เห็นภาพข้อมูลสำหรับตัดสินใจได้ง่ายขึ้น
