決策樹和預期貨幣值分析軟體

1. 某商場要經營一種全新產品,請用決策樹法進行決策.數據如下：

依據y坐標將六個點劃分為兩個子類，水平線上面的兩個點是同一個分類，但是水平線之下的四個點是不純凈的。對這四個點進行再次分類，以x左邊分類，通過兩層分類，現了對樣本點的完全分類。

決策樹是一種具有樹狀結構的分類和預測工具，其中每個內部節點表示對一個屬性的測試，每個分支表示測試的結果，每個葉節點(終端節點)持有一個類標簽。

例如：

方案A的預期貨幣價值EMV=0.4*200+0.35*80+0.25*(-30)=100.5

方案B的預期貨幣價值EMV=0.4*100+0.35*40+0.25*0=54

方案C的預期貨幣價值EMV=0.4*50+0.35*40+0.25*30=41.5

每年預計收益方案A：100.5-250/6=58.8

每年預計收益方案B：54-90/6=39

每年預計收益方案C：41.5-40/6=34.8

(1)決策樹和預期貨幣值分析軟體擴展閱讀：

一個決策樹包含三種類型的節點：

決策節點：通常用矩形框來表示

機會節點：通常用圓圈來表示

終結點：通常用三角形來表示

決策樹學習也是資料探勘中一個普通的方法。在這里，每個決策樹都表述了一種樹型結構，它由它的分支來對該類型的對象依靠屬性進行分類。每個決策樹可以依靠對源資料庫的分割進行數據測試。這個過程可以遞歸式的對樹進行修剪。 當不能再進行分割或一個單獨的類可以被應用於某一分支時，遞歸過程就完成了。另外，隨機森林分類器將許多決策樹結合起來以提升分類的正確率。

2. 決策樹時考慮時間價值怎麼算

利用決策樹評價生產方案
決策樹是確定生產能力方案的一條簡捷的途徑。決策樹不僅可以幫助人們理解問題，還可以幫助人們解決問題。決策樹是一種通過圖示羅列解題的有關步驟以及各步驟發生的條件與結果的一種方法。近年來出現的許多專門軟體包可以用來建立和分析決策樹，利用這些專門軟體包，解決問題就變得更為簡便了。 決策樹由決策結點、機會結點與結點間的分枝連線組成。通常，人們用方框表示決策結點，用圓圈表示機會結點，從決策結點引出的分枝連線表示決策者可作出的選擇，從機會結點引出的分枝連線表示機會結點所示事件發生的概率。 在利用決策樹解題時，應從決策樹末端起，從後向前，步步推進到決策樹的始端。在向前推進的過程中，應在每一階段計算事件發生的期望值。需特別注意：如果決策樹所處理問題的計劃期較長，計算時應考慮資金的時間價值。 計算完畢後，開始對決策樹進行剪枝，在每個決策結點刪去除了最高期望值以外的其他所有分枝，最後步步推進到第一個決策結點，這時就找到了問題的最佳方案。 下面以南方醫院供應公司為例，看一看如何利用決策樹作出合適的生產能力計劃。 南方醫院供應公司是一家製造醫護人員的工裝大褂的公司。該公司正在考慮擴大生產能力。它可以有以下幾個選擇：1、什麼也不做；2、建一個小廠；3、建一個中型廠；4、建一個大廠。新增加的設備將生產一種新型的大褂，目前該產品的潛力或市場還是未知數。如果建一個大廠且市場較好就可實現$100，000的利潤。如果市場不好則會導致$90，000的損失。但是，如果市場較好，建中型廠將會獲得$ 60,000，小型廠將會獲得$40，000，市場不好則建中型廠將會損失$10,000，小型廠將會損失$5，000。當然，還有一個選擇就是什麼也不幹。最近的市場研究表明市場好的概率是0.4，也就是說市場不好的概率是0.6。參下圖： 在這些數據的基礎上，能產生最大的預期貨幣價值（EMV）的選擇就可找到。 EMV（建大廠）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型廠）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小廠)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建廠)=$0 根據EMV標准，南方公司應該建一個中型廠。詞條圖冊更多圖冊

3. 什麼是預期貨幣價值求解答

預期貨幣值(ExpectedMonetaryValue;EMV)預期貨幣值，又稱風險暴露值、風險期望值，是定量風險分析技術技術決策樹風險貨幣項目的考慮。正值表示機會，負值表示風險。每個可能結果的數值與發生機率相乘後加總即得到。

4. 超過千萬條數據分析用那個軟體比較好

數據可視化分析軟體（OurwayBI）

OurwayBI採用Node.js。

Node.js是一個Javascript運行環境(runtime)，它實際上是對Google V8引擎進行了封裝。V8引擎執行Javascript的速度非常快，性能非常好。

強大的計算能力

獨創的內存OLAP僅需要創建一個動態視圖即可以完成分析模型的創建，而所有OLAP強大的計算能力，則通過內存計算來完成。

效果圖

5. 如何運用決策樹進行決策分析

決策樹分析法是通過決策樹圖形展示臨床重要結局，明確思路，比較各種備選方案預期結果進行決策的方法。

決策樹分析法通常有6個步驟。

第一步：明確決策問題，確定備選方案。對要解決的問題應該有清楚的界定，應該列出所有可能的備選方案。

第二步：繪出決策樹圖形。決策樹用3種不同的符號分別表示決策結、機會結、結局結。決策結用圖形符號如方框表示，放在決策樹的左端，每個備選方案用從該結引出的]個臂(線條)表示；實施每一個備選方案時都司能發生一系列受機遇控制的機會事件，用圖形符號圓圈表示，稱為機會結，每一個機會結司以有多個直接結局，例如某種治療方案有3個結局(治癒、改善、葯物毒性致死)，則機會結有3個臂。最終結局用圖形符號如小三角形表示，稱為結局結，總是放在決策樹最右端。從左至右機會結的順序應該依照事件的時間先後關系而定。但不管機會結有多少個結局，從每個機會結引出的結局必須是互相排斥的狀態，不能互相包容或交叉。

第三步：明確各種結局可能出現的概率。可以從文獻中類似的病人去查找相關的概率，也可以從臨床經驗進行推測。所有這些概率都要在決策樹上標示出來。在為每一個機會結發出的直接結局臂標記發生概率時，必須注意各概率相加之和必須為1.0。

第四步：對最終結局用適宜的效用值賦值。效用值是病人對健康狀態偏好程度的測量，通常應用0-1的數字表示，一般最好的健康狀態為1，死亡為0。有時可以用壽命年、質量調整壽命年表示。

第五步：計算每一種備遠方案的期望值。計算期望值的方法是從"樹尖"開始向"樹根"的方向進行計算，將每一個機會結所有的結局效用值與其發生概率分別相乘，其總和為該機會結的期望效用值。在每一個決策臂中，各機會結的期望效用值分別與其發生概率相乘，其總和為該決策方案的期望效用值，選擇期望值最高的備選方案為決策方案。

第六步：應用敏感性試驗對決策分析的結論進行測試。敏感分析的目的是測試決策分析結論的真實性。敏感分析要回答的問題是當概率及結局效用值等在一個合理的范圍內變動時，決策分析的結論會不會改變。

6. 決策樹分析法的利用決策樹評價生產方案

決策樹是確定生產能力方案的一條簡捷的途徑。決策樹不僅可以幫助人們理解問題，還可以幫助人們解決問題。決策樹是一種通過圖示羅列解題的有關步驟以及各步驟發生的條件與結果的一種方法。近年來出現的許多專門軟體包可以用來建立和分析決策樹，利用這些專門軟體包，解決問題就變得更為簡便了。
決策樹由決策結點、機會結點與結點間的分枝連線組成。通常，人們用方框表示決策結點，用圓圈表示機會結點，從決策結點引出的分枝連線表示決策者可作出的選擇，從機會結點引出的分枝連線表示機會結點所示事件發生的概率。
在利用決策樹解題時，應從決策樹末端起，從後向前，步步推進到決策樹的始端。在向前推進的過程中，應在每一階段計算事件發生的期望值。需特別注意：如果決策樹所處理問題的計劃期較長，計算時應考慮資金的時間價值。
計算完畢後，開始對決策樹進行剪枝，在每個決策結點刪去除了最高期望值以外的其他所有分枝，最後步步推進到第一個決策結點，這時就找到了問題的最佳方案。
下面以南方醫院供應公司為例，看一看如何利用決策樹作出合適的生產能力計劃。
南方醫院供應公司是一家製造醫護人員的工裝大褂的公司。該公司正在考慮擴大生產能力。它可以有以下幾個選擇：1、什麼也不做；2、建一個小廠；3、建一個中型廠；4、建一個大廠。新增加的設備將生產一種新型的大褂，目前該產品的潛力或市場還是未知數。如果建一個大廠且市場較好就可實現$100，000的利潤。如果市場不好則會導致$90，000的損失。但是，如果市場較好，建中型廠將會獲得$ 60,000，小型廠將會獲得$40，000，市場不好則建中型廠將會損失$10,000，小型廠將會損失$5，000。當然，還有一個選擇就是什麼也不幹。最近的市場研究表明市場好的概率是0.4，也就是說市場不好的概率是0.6。參下圖：
在這些數據的基礎上，能產生最大的預期貨幣價值（EMV）的選擇就可找到。
EMV（建大廠）=（0.4）*($100,000)+(0.6)*(-$90,000)=-$14,000 EMV（中型廠）=(0.4) *($ 600,000))+(0.6)* (-$10,000)=+$18,000 EMV(建小廠)=(0.4)* ($40,000)+(0.6)*(-$5,000)=+$13,000 EMV(不建廠)=$0 根據EMV標准，南方公司應該建一個中型廠。

7. 什麼是預期貨幣價值

預期貨幣值 (Expected Monetary Value; EMV) 預期貨幣值，又稱風險暴露值、風險期望值，是 定量風險分析 的一種 技術 ，常和 決策樹 一起使用，它是將特定情況下可能的 風險 造成的 貨 幣 後果和發生概率相乘，此 項目 包含了風險和 現金 的考慮。 正值表示機會，負值表示風險。 每個可能結果的數值與發生機率相乘後加總即得到。

8. PMP中，決策樹工具是什麼 什麼環境下用用來解決什麼問題有同類別的工具嘛各自優缺點是什麼

11章風險裡面的，定量風險分析

9. 模型隨機森林和決策樹用什麼軟體實現

隨機森林顧名思義，是用隨機的方式建立一個森林，森林裡面有很多的決策樹組成，隨機森林的每一棵決策樹之間是沒有關聯的。在得到森林之後，當有一個新的輸入樣本進入的時候，就讓森林中的每一棵決策樹分別進行一下判斷，看看這個樣本應該屬於哪

10. 什麼是期望貨幣值EMV

期望貨幣價值（EMV），為了確定一項投機的期望貨幣價值，計算每一種可能出現的結果的貨幣收益（或損失）與其出現的概率相乘以後的和。
利用了概率論的原理，並且利用一種樹形圖作為分析工具。其基本原理是用決策點代表決策問題，用方案分枝代表可供選擇的方案，用概率分枝代表方案可能出現的各種結果，經過對各種方案在各種結果條件下損益值的計算比較，為決策者提供決策依據。
要素：整個決策樹由決策結點、方案分枝、狀態結點、概率分枝和結果點五個要素構成。
步驟：
1、繪制決策樹圖。從左到右的順序畫決策樹，此過程本身就是對決策問題的再分析過程。
2、按從右到左的順序計算各方案的期望值，並將結果寫在相應方案節點上方。期望值的計算是從右到左沿著決策樹的反方向進行計算的。
3、對比各方案的期望值的大小，進行剪枝優選。在捨去備選方案 枝上，用「=」記號隔斷。