成轩浩：选好老公？找好媳妇儿？用决策树模型！

课程名：《数据、模型与决策》

分享者：成轩浩

知识点：决策树模型

编　辑：付国君

————————

谁分万类二仪间，禀性高卑各自然。

伴着晨曦与夕阳之间轮转，我们每个人时刻都需要面对着“选择”。清早出门，选择你的出行工具；午休时分，选择你的午餐何处；如此等等“选择”将一直围绕着我们一天又一天。放在企业管理或复杂环境中，它更多的被称之为“决策”。不止如此，管理领域唯一诺贝尔获奖者，赫伯特·西蒙也曾说道：“决策是管理的核心”。

本期的《数模》将基于决策的特点，分享一个重要的分析模型——“决策树（Decision Tree）”。

怎么理解“决策“？

查阅种种资料，对决策概念的界定不下百种，但仍未形成统一的定义。总结性的来看，我们展示广义和狭义的两面解读。

·广义：把决策看作是一个包括提出问题、确立目标、设计和选择方案的过程。

·狭义：把决策看作是从几种备选的行动方案中作出最终抉择。

决策的分类

决策的分类同样也有多个层面的划分。比如“决策的主体”，“决策的影响范围”，“决策的重要度”，以及“决策问题”等层面。在此，我们以“决策问题”所处的不同条件进行划分，问题会更为清晰。详细如下：

1．在完全确知条件下的决策

它是指决策过程中，提出各备选方案在确知的客观条件下，每个方案只有一种结果，比较其结果优劣作出最优选择的决策。

2．在未完全确知条件下的决策

它是指这样一类的决策，在决策过程中提出各个备选方案，每个方案有几种不同的结果可以知道，但每一结果发生的概率无法知道。

3．风险型决策

它是指在决策过程中提出各个备选方案，每个方案都有几种不同结果可以知道，所有发生的概率也可测算。

揭开庐山真面目——决策树

决策树(Decision Tree）是基于上述“风险型决策”所产生的。我们必须以已知所有的备选方案概率的情况作为前提。事件决策的目的是为了赢得最有利的期望价值，或是减少到最低的损失。

以上理论一大堆，不如我们举个通俗的栗子，立志于脱单的单身男女在找对象的时候就已经完完全全使用了决策树的思想，下面我们来看看这样的决策逻辑流程。

假设一位母亲在给女儿小M介绍相亲对象，便有了如下对话：

母亲：给你介绍个对象 张姨家的侄儿。

小M：年纪多大了？

母亲：26。

小M：长的帅不帅？

母亲：挺帅的。

小M：嗯嗯还不错，那收入高不？

母亲：还可以，中等情况。

小M：将就嘛，那啥学历怎么样，比我低不行。

母亲：人家研究生的，还是电子科大MBA。

小M：那好啊 ！微信多少？

（以上的决策树模型纯属瞎编乱造，不代表任何女生的择偶观，旨在直观理解决策树，各位女同学无须在此拍我。。）值得注意的是，以上是决策逻辑图，与真正意义的决策树还是有些不同。

干货：“决策树”知识要点（敲黑板~~）

1.决策树模型的4个必备要素：决策点，事件点，枝，评价指标

决策点：以正方形表示。正方形右边需要列出此时刻的所有决策；

事件点：以圆形表示。圆形右边需要列出所有可能的事件且概率之和相加为1；

枝：以连接线段表示。

评价指标:在结果节点之后，以货币值表示某种度量。（比如上图收入：30W年薪可将评价指标设置300000），决策最终的优劣是以评价的数值来做衡量。

2.“ 决策点”是主观的选择，“事件点”是客观存在的方案。每个事件点上必须要有事件的概率。

3. “决策点”选取最优解Max[a1,a2,…an]。

“事件点”是求和∑（b1*p1+b2*p2+…+bn*pn）。b代表评价指标值 ，p代表事件概率。这个求和的结果也叫做期望货币值EMV（expected monetary value）。

4.决策树模型是以时间为序列展开的，从左到右。起始必须是一个决策点。

千言不如一图，规则讲清楚了，小伙伴们可以对照以下图示，心中有个它的样子。

————————

本文基于电子科技大学2017级MBA课程《数据、模型与决策》第一、二讲内容分享，感谢余勇老师的精彩讲授，欢迎本文读者加入电子科技大学MBA队伍，学习更全面深入的课程。

成轩浩

[ 电子科技大学2017级MBA ]

立下奔月的远志，即使未达，也会与繁星并肩。