20、决策树在机器学习与现实世界中的应用

决策树在机器学习与现实世界中的应用

1. 技术价值评估与产品决策

1.1 技术价值比较

在技术选择中，我们可以通过计算预期价值来评估不同技术的优劣。例如，对于技术A和技术B：
- 技术A的预期价值计算：$400,000×0.60 + 200,000×0.40 = 240,000 + 80,000 = 320,000$
- 技术B的预期价值计算：$300,000×0.60 + 150,000×0.40 = 180,000 + 60,000 = 240,000$

通过比较可知，技术A具有更高的预期价值。

1.2 产品决策示例

一家公司在决定是否购买或制造新产品时，需要考虑市场需求的强弱。制造产品时，强需求可带来2500万美元的收益，弱需求则导致2000万美元的损失；购买产品时，强需求可获得500万美元的收益，弱需求会造成500万美元的损失。
其决策流程如下：

graph LR
    A[决策] --> B[制造产品]
    A --> C[购买产品]
    B --> D[强需求: 2500万美元]
    B --> E[弱需求: -2000万美元]
    C --> F[强需求: 500万美元]
    C --> G[弱需求: -500万美元]

制造产品的预期价值：$(25×0.75) - (20×0.20) = 18.75 - 4 = 14.75$（单位：百万美元）
购买产品的预期价值：$(0.75×5) - (5×0.20)