Предложения в которых упоминается "дерево решений"
Сущность — изучаемая проблема разделяется на ряд подпроблем, задач и элементов, которые выстраиваются в дерево решений.
Из любой ситуации вырастает дерево решений, всегда можно найти и выбрать более эффективный, полезный или, как минимум, приятный вариант.
Их специально разработали для того, чтобы собрать бессмысленную какофонию взаимодействия людей в единое существо, в метаразум, составленный из связей: из сетей сохранённых номеров автонабора, обозначавших дружбу, мафиозные клики и деловые картели, из передвижений двадцати миллионов рабочих в столице в час пик, из интерактивных сказочек, в которые играли школьники, каждый час воздвигая миллион деревьев решения, из регистрационных сведений о покупках, говорящих об их предпочтениях нескольких поколений потребителей...
Одним из механизмов планирования на этом этапе может быть так называемое дерево решений, позволяющее путём декомпозиции выбранного варианта представить совокупность целей и задач, подлежащих достижению и решению.
Рисунок: Анализ дерева решений (Decision Tree Analysis).
Один из руководителей сказал, что проекту нужно «вероятностное дерево решений» для усовершенствования системы зрения робота.
В частности, особое внимание хотелось бы уделить такому инструменту, как дерево решений.
Первоначальный вариант модели был основан на дереве решений, однако это дерево, возможно, усложняет её, а не упрощает.
Деревья решений разрастаются всегда.
Для выбора соответствующего стиля лидерства нужно пройти вдоль всего «дерева решений», используя приведённые правила.
Примером подобного средства может послужить представленный далее подход к анализу траекторий взора, основанный на расчёте информативных показателей глазодвигательной активности и последовательном применении современных математических методов анализа данных, таких, как метод главных компонент или факторный анализ, деревья решений, дискриминантные модели, регрессионные модели.
Например, такие модели, как деревья решений, обобщённая линейная модель или дискриминантная модель, не только способны решать задачу предсказания значения целевой переменной, но и позволяют трактовать прогноз в терминах предметной области путём анализа структуры модели и её идентифицированных параметров.
Они не генерируют альтернативы, не оценивают их вероятности, не взвешивают достоинства и недостатки альтернатив, чтобы сравнить их друг с другом, и не строят деревья решений — хотя именно такого рода стратегии полагаются наиболее рациональными с точки зрения классической теории принятия решений.
Стены университета остались на месте, расписание занятий по-прежнему висит на доске объявлений, все люди вокруг продолжают решать какие-то свои мелкие проблемы, и даже преподаватель продолжает втирать какую-то лекцию про треклятое и никому сейчас не нужное дерево решений, а человека нет.
Для того чтобы подчеркнуть разницу, мы будем использовать два термина для обозначения деревьев: «дерево игры» — это дерево, которое отображает последовательность решений в стратегической игре; «дерево решений» представляет последовательность решений, принимаемых одним человеком.
Гордое словосочетание «искусственный интеллект» в реальности означает более-менее подробное дерево решений, заранее прописанное программистом.
Скорее всего, вы уже сталкивались с деревьями решений в других контекстах.
Дерево решений также включает в себя ветви, которые соответствуют имеющимся вариантам выбора и исходят из каждого узла.
Дерево игры — это просто совокупность деревьев решений всех её участников.
Мы превратим дерево решений, представленное на рис.
Те усердно пользовались интерполяционными полиномами, иные — выращивали деревья решений, во всей их пространственной и временной сложности.
Они задают графическое представление ситуаций, отображающее взаимные влияния, временные связи событий и другие отношения, и представляют собой подход, дополняющий дерево решений (описанное в главе 5).