В чем преимущества и недостатки деревьев решений при прогнозировании?

Преимущества деревьев решений при прогнозировании:

• Простота интерпретации и наглядность. www.fsight.ru Каждое деление идёт по одному признаку, поэтому можно легко интерпретировать результаты и быстро находить условия, которые больше всего на них повлияли. practicum.yandex.ru
• Возможность работы как с категориями, так и с количественными значениями. www.fsight.ru Деревья решений можно использовать для заполнения пропусков наиболее вероятным значением. www.fsight.ru
• Универсальность в плане решения задач и классификации, и регрессии. www.fsight.ru
• Хорошая производительность в процессе классификации по уже построенному дереву (алгоритм поиска в дереве эффективен даже для больших наборов данных). www.fsight.ru

Недостатки деревьев решений при прогнозировании:

• Нестабильность процесса. www.fsight.ru Нередко небольшие изменения в наборе данных могут приводить к построению совершенно другого дерева. www.fsight.ru
• Сложность контроля размера дерева. www.fsight.ru Размер дерева является критическим фактором, определяющим качество решения задачи. www.fsight.ru
• Неадекватность разделения на классы в сложных случаях. www.fsight.ru В простейших деревьях решений разбиение в узлах происходит по значению одного атрибута, и иногда такое разделение не может точно описать сложные области. www.fsight.ru
• Склонность к переобучению. practicum.yandex.ru Модель дерева решений подстраивается под те данные, которые получает, и ищет характеристики, которые увеличат вероятность. practicum.yandex.ru Из-за этого алгоритм не сможет сделать прогноз на характеристики, которых не было в обучающей выборке. practicum.yandex.ru