Vantagens e desvantagens de árvores de decisão

Um dos aspectos mais úteis de árvores de decisão é que eles forçá-lo a considerar como muitos resultados possíveis de uma decisão como você pode pensar. Pode ser perigoso para tomar decisões spur-de-momento sem considerar a gama de consequências. Uma árvore de decisão pode ajudá-lo a pesar as prováveis ​​consequências de uma decisão contra a outra. Em alguns casos, ele pode até mesmo ajudá-lo a estimar retornos esperados de decisões. Por exemplo, se você criar estimativas de valor do dólar de todos os resultados e probabilidades associadas a cada resultado você pode usar esses números para calcular qual decisão inicial levará à maior retorno financeiro médio. As árvores de decisão fornecer uma estrutura para considerar a probabilidade e retornos de decisões, o que pode ajudar a analisar a decisão de tomar a decisão mais informada possível.

A desvantagem do uso de árvores de decisão é que os resultados das decisões, decisões e pagamentos subsequentes podem basear-se principalmente nas expectativas. Quando as decisões reais são feitos, os pagamentos e as decisões resultantes podem não ser os mesmos que os que você planejado. Pode ser impossível planejar para todas as contingências que podem surgir como resultado de uma decisão. Isso pode levar a uma árvore de decisão irrealista que pode guiá-lo para uma má decisão. Além disso, eventos inesperados podem alterar decisões e alterar os retornos em uma árvore de decisão. Por exemplo, se você espera que seus pais vão pagar por metade de sua faculdade, quando tomar a decisão de ir à escola, mas depois descobrir que você vai ter que pagar por toda a sua taxa de matrícula, os retornos esperados será dramaticamente diferente do que a realidade.

As árvores de decisão são relativamente fáceis de entender quando há poucas decisões e resultados incluídos na árvore. Árvores de grande porte que incluem dezenas de nós de decisão (pontos onde novas decisões são tomadas) podem ser complicado e pode ter valor limitado. Quanto mais decisões não estão em uma árvore, menos precisa quaisquer resultados esperados são susceptíveis de ser. Por exemplo, se você fizer um mapeamento árvore a decisão de ir para a faculdade, você provavelmente não vai ser capaz de prever com precisão as chances de que você estará fazendo mais de US $ 100.000 em dez anos, mas você pode ser capaz de estimar com precisão o seu salário poder depois de sair da faculdade.