L’apprendimento dell’albero decisionale utilizza un modello predittivo con rami informativi simili a un albero per raccogliere ipotesi e formulare un giudizio sul valore di un elemento. Il sistema viene utilizzato per l’apprendimento automatico, le statistiche e il data mining. Gli alberi decisionali sono anche noti come alberi di regressione o di classificazione, a seconda dello scopo per cui vengono utilizzati.
Il processo di apprendimento dell’albero decisionale comporta lo spostamento da un ramo all’altro dell’informazione. Al raggiungimento di ciascun elemento, tramite computer o persona, è necessario determinare se si applica o meno all’elemento di destinazione. Una volta esplorato ogni ramo, le risposte possono essere utilizzate per determinare il valore.
In sostanza, l’apprendimento dell’albero decisionale è il processo di risposta alle domande. Ogni risposta fa avanzare il processo finché non ci sono informazioni sufficienti per prendere una decisione. Ad esempio, un semplice albero può iniziare chiedendo quale dei due oggetti acquistare. Una domanda potrebbe chiedere se l’oggetto è utile, mentre un’altra potrebbe chiedersi se un articolo ha un prezzo migliore dell’altro. Ponendo tutte queste domande è in genere possibile determinare quale azione è statisticamente più vantaggiosa.
L’apprendimento dell’albero decisionale esplora anche le sottocategorie. Rispondere a una domanda può portare a un’altra. Ciò potrebbe comportare che alcuni rami abbiano molti rami secondari, mentre altri sono meno elaborati perché è facile rispondere alla domanda. Seguendo il processo in questo modo, l’utente può sviluppare una valutazione più dettagliata dell’articolo.
Un altro possibile utilizzo dell’apprendimento dell’albero decisionale è la categorizzazione. Anziché far sì che ogni domanda porti a un’unica decisione, un corpo di informazioni è suddiviso in aree diverse, in base alla risposta per ciascun ramo. Una volta che tutti i rami sono stati classificati, lo stesso processo può essere eseguito anche su ogni categoria.
L’apprendimento dell’albero decisionale in genere progredisce dal livello superiore verso il basso. Non tende a tornare sui propri passi. Una volta che una domanda ha ricevuto una risposta completa, di solito non è necessario farvi riferimento di nuovo fino a quando i risultati non vengono compilati.
I risultati dell’apprendimento dell’albero decisionale possono essere espressi in vari modi. Possono essere la risposta a una domanda sì o no o un numero come un prezzo o un periodo di tempo. I risultati possono anche rivelare l’identità di un determinato oggetto e quindi nominare la classe a cui appartiene.