決策樹

​

什麼是決策樹？

決策樹是一種可視化和分析工具，用於以樹狀結構映射決策、可能的結果及其概率。它幫助個人和組織透過將複雜決策分解為更小、可管理的組件來做出明智的選擇。樹狀結構讓你能夠看到所有可能的路徑，理解每個選擇的後果，並量化不同選項的期望值。

「決策樹迫使你思考那些可能被忽視的可能性，使不可見的風險變得可見。」

決策樹的強大之處在於它能夠使複雜決策變得透明。透過可視化映射每個決策點（稱為「節點」）並將其連接到可能的結果（稱為「分支」），你可以看到選擇的全貌。這種可視化方法有助於防止經常扭曲決策的認知偏差，例如忽略不太可能但影響重大的結果或過度重視近期資訊。

​

決策樹的三層理解

• 入門：畫一棵簡單的樹，主決策在左側，每個選項的分支在右側，結果在左側。為每個分支標註概率和結果。
• 實踐：在每個分支點使用期望值計算。透過將結果乘以其概率來計算每條路徑的值，然後向後反推來評估決策。
• 進階：構建具有不確定事件的多階段樹，整合效用函數來考慮風險偏好，並進行敏感性分析以測試變化如何影響最優選擇。

​

起源

決策樹概念源於20世紀60年代的操作研究和決策分析。史丹福大學教授羅納德·A·霍華德（Ronald A. Howard）被認為是在其開創性著作《決策分析：應用決策理論》（1964）中正式確立了決策樹分析。霍華德和其他先驅者開發了不確定性下決策映射的數學基礎，將概率論與經濟分析相結合。 隨著霍華德和艾爾文·E·賴夫（Alvin E. Raiffa）合著的《決策分析》（1971）出版，該領域獲得了發展動力，這本書建立了至今仍在使用的嚴謹方法論。此後，決策樹成為商業戰略、醫學診斷和工程可靠性分析的基石。這種方法也影響了機器學習，其中決策樹演算法（如CART和ID3）成為基本的分類和回歸工具。

​

核心要點

​

應用場景

​

經典案例

​

亞馬遜AWS的進入/不進入決策

21世紀初，亞馬遜面臨一個關鍵決策：是否構建和推出亞馬遜網路服務（AWS），這是一個向其他公司銷售雲端計算基礎設施的新業務。這個決策涉及巨大的不確定性——沒有人知道企業是否會信任外部供應商來滿足他們的計算需求。 決策樹分析從核心決策開始：構建AWS或不構建。「構建」分支導致不確定的結果，包括：大規模企業採用（高價值）、適度採用（中價值）和市場拒絕（投資損失）。每個分支都根據市場研究和技術可行性評估分配概率。 分析顯示，即使使用保守的概率估計——比如20%的大規模成功機會——構建AWS的期望值也是正的，因為上行空間如此之大。「不構建」路徑具有明確有界的正值（維持現狀）但沒有變革性潛力。 亞馬遜選擇構建。截至2023年，AWS年收入超過900億美元——約佔亞馬遜總收入的16%。決策樹不能保證成功，但它組織了辯論，強制考慮巨大的上行空間，並提供了評估風險的框架。 教訓：複雜的戰略決策受益於基於樹的分析，使隱含假設變得明確，並量化期權價值的含義。

​

邊界與失效場景

決策樹分析有重要的局限性：

1. 輸入垃圾，輸出垃圾：決策樹的好壞取決於你輸入的概率和價值。偏見的估計產生偏見的決策，無論樹結構多好。
2. 複雜性迅速爆炸：現實世界的決策通常有太多分支無法完全映射。過度簡化會丟失重要細節；完全映射變得笨拙。
3. 動態世界中的靜態快照：決策樹代表時間點分析。條件變化，新資訊出現，樹不輕易適應而不重建。
4. 概率估計的認知負擔：人類在估計概率方面非常糟糕。對概率估計的過度自信導致期望值中的虛假精確性。

​

常見誤區

​

相關概念

​

一句話總結