روش انتخاب تصمیم بهینه در مسائل مالی با استفاده از درخت تصمیم

توسعه تکنولوژی هاي کامپیوتري و تکنیک هاي یادگیري اتوماتیک می تواند تصمیم گیري را آسان تر و بسیار کاراتر سازد. دردامنه یادگیري ماشینی جایی که همیشه کامپیوترها تصمیم می گیرند و یا براي گرفتن تصمیم درست پیشنهادهایی را ارائهمی دهند، رویکردهاي زیادي از تکنیک هاي تصمیم گیري وجود دارند؛ از قبیل درخت هاي تصمیم، شبکه هاي عصبی و... . انعطافپذیري و قابلیت فهم بودن، یکی از برتری هاي روش درخت تصمیم است. درخت تصمیم بهتر از هر ابزار دیگري می تواندگزینه هاي ممکن، اهداف، سود مالی و اطلاعات مورد نیاز براي یک سرمایه گذاري را به مدیریت نشان دهد. درخت تصمیم یکیاز پرکاربردترین الگوریتم ها در بین الگوریتم هاي داده کاوي است. درخت تصمیم دقیقا مانند یک درخت است با این تفاوت که ازریشه به سمت پایین (برگ) رشد کرده است. درخت تصمیم در مسائلی کاربرد دارد که بتوان آنها را به صورتی مطرح نمود کهپاسخ واحدي به صورت نام یک دسته یا کلاس ارائه دهند. به عنوان مثال فرض کنید مدیر یک پایگاه بخواهد طبقه بنديانجام دهد که بر اساس آن تشخیص دهد که آیا فرد فرار مالیاتی داشته است یا خیر؟ هدف اصلی این مقاله معرفی روش هايمختلف براي ایجاد بهترین درخت تصمیم است. الگوریتم هاي زیادي براي ساخت درخت تصمیم وجود دارند که دوتا از پرکاربرد ترین آنها CART و C4.5 می باشند. در این مقاله ضمن معرفی این دو روش به تبیین بهترین الگوریتم در پیش بینی با یک مثال مالی پرداخته شده است و دو روش با یکدیگر مقایسه شده است. این دو الگو در ابتدا درختی تقریبا پر ایجاد می کنند ولی استراتژي هرس کاملا متفاوتی دارند و روش C4.5 داراي خطاي کمتري است.