karar ağacı

• karar verirken çok amacımız varsa^* kullanabileceğiniz bir karar alma yöntemi. karar ağacı yöntemi adını bir noktadan başlayıp dallanıp budaklanma sonucu bir ağaç gibi öle önünüzde durur. bakarsınız sonra neyi max. ya da min. yapmak istiyorsanız dalların ucuna bakar seçersiniz en iyiyi^*. ^*
• decision science'in temel araclarindan. ilgili konularda ilk kar$imiza cikan yer olasilik teorisidir. ordek verecek olursak:
  
  fb-gs macini kazanma olasiklarini` arastiran futbolsever, 6 farkli terimden olusan olasilik dagilimi olusturacaktir:
  .sami yen'de fb .sami yen'de gs .kadikoy'de fb .kadikoy'de gs
  
  sonra da bunu istegine gore, 2 dalli 3 yaprakli yada 3 dalli 2 yaprakli agacciklara cevirecektir:
  
  3/2
  --sami yen
  -----fb
  -----gs
  -----beraberlik
  --kadikoy
  -----fb
  -----gs
  -----beraberlik
  
  2/3
  --gs
  -----sami yen
  -----kadikoy
  --fb
  -----sami yen
  -----kadikoy
  --beraberlik
  -----sami yen
  -----kadikoy
• kararlar ve fırsatlar arasindaki ilişkiyi grafiksel olarak açıklayan ve onemli kararlarin bir dizi kararlara bolunmesini saglayan yontem. karar agaci yonteminde analiz teknigi, bilgisayarlarla yapılan sımulasyon analizlerine temel olusturmustur. bu konuda en cok palisade firmasının precision tree ve best fit programi kullanilmaktadir. karar agacinin en buyuk rahatligi maliyetleri ve chance node'lari kullanarak karsılasilan problemle ilgili alternatif kararlar cıkarmasidir. islemler sagdan sola dogru yapilir. bu konu quantitative analysis for business decisions ve buna benzeyen sayısal derslerin temelini olusturur ki kesinlikle zorunlu olmadikca ugrasilmamasi veya o dersin alınmaması karari alinmalidir.
• iki ucu boklu değnekler genelde bu ağaçtan yapılır.
• iki tane karar ağacı kavramı vardır. birisi veri madenciliğinde sınıflandırma amaçlı kullanılan, diğeri ise tıpta ekonomide vesaire doğru kararı seçme amaçlı kullanılan
  
  birincisinde hüella gibi öğrenme verinizin tümünü en ufak hacimde gösterebilecek bir ağaç modellersiniz ve test için ayırdığınız veri ile modelin doğruluğunu kontrol edersiniz. böylece yeni gelecek veriler için sınıflandırmada kullanabileceğiniz bir ağacınız olmuş olur.
  
  ikincisinde ağacı zaten çizersiniz, bu ağaç bir olaylar dizisinin gösterimidir, hangi olaydan sonra hangisi oldu vesaire. daha sonra çıkan sonuçlara beklediğiniz faydaları verir, çizdiğiniz olay yollarına da olasılıklarını verir, hangi durumlarda hangi kararları vermenizin daha doğru olacağına bakarsınız.
• emv ^** kavramı görüş mesafesinin düşük olduğu durumlarda, yaklaşık bir sonuç elde etmek için kullanılan kumarbazvari bir istatistik yaklaşımıdır. bu analizden yararlanılarak oluşturulan çizelge ise ^*decision tree adını alır. halihazırda varolan seçeneklerden hangisinin sömürülmesinin tesbitinde faydalı bir yöntemdir.
  
  metod ise çok basittir. fırsatlar için pozitif, tehditler için ise negatif değerler kullanılarak, her bir olası sonuç, sözkonusu sonucun olasılığı ile çarpılır, en nihayetinde de bütün sonuçlar toplanır^*.
  
  bu noktada yine de arzu edenler için konuyu daha önce verilmiş bir örneğin daha provakatif versiyonuyla pekiştirme inancındayım;
  ali, cebinde istirahatta bulunan son beş ytl'yi sigara paketi bitinceye kadar daha faydalı bir yatırımda kullanabileceğini düşünerek bahis oynamaya karar verir. o akşamki derbide kazanma ihtimali %80 olan takıma^* 1 e 2 oranla parasının tümünü yatırmaya karar verir. fakat o esnada, arkadaşı hayri, rakip takımdan dolayı^* maçın beraberlik ihtimali bulunduğunu söylese de ali bunu haliyle çok umursamayacaktır. nedeni ise formul yardımıyla irdeleme yapılması halinde gayet açıktır;
  fırsat, yani (5ytl * +2,0) * %80 = 8 ytl kazanç, ve
  tehdit, (5 ytl * -1,0) * %100 = -5 ytl'dir.
  sonuç olarak ali 3 ytl'yi anasının ak sütü gibi cebe indirir. hayri ise babayı alır ^{** *}.
  
  burada üzerinde durulması gereken bi hayli enteresan nokta ise ali'nin ihtimaller üzerinden yola çıkmadan evvel, oynamama, yani elde var sıfırlı ihtimali, risk olmadan kazanç olmaz diyerek, 3 ytl'lik kazanc olarak gördüğü miktara tercih etmemesidir.
• veri madenciliğinde kullanılır. ağaçta dallanma arttıkça her nodda daha homojen alt kümeler oluşmaya başlar. eğer nodların bölünmesi sonucu bir bilgi kazanımı mevcutsa, alt kümelere bölünmeye devam edilir.
• karsilastirma tabanli siralama (sorting) algoritmalarinin n*lgn alt siniri decision tree ile ispatlanabilir.
  (yerim dar ve moralim bozuk. yoksa direkt qed bitch, ayipsin.)
• insanların önemli kararlar almak üzere gölgesi altına oturduğu ağaçlardır. bu ağaç türünün dalları ve yaprakları çok sık olduğu için iyi gölge yaparlar ve güneşten korudukları için beynin daha sağlıklı kararlar almasında yardımcı olurlar. ingiltere ve almanya'da iklim gereği bu ağaçlardan çok olduğu için düşünsel yoğunluğun sonucu olarak rönesans ve sanayi devrimi bu ülkelerin öncülüğünde başlamıştır.. şaka lan:) yanlış öğrenirsiniz mazallah. günlerdir spss için excele veri girişi yapmaktan hikaye yazasım geldi o kadar.
• sayısal yöntemler dersinde tanıştığım ağaçtır. olasılık özürlüyseniz dallanıp budaklandıkça karar verememen için tasarlanmış bir yöntemdir.. tecrübe ile sabittir.