डिसीजन ट्री (निर्णय वृक्ष) क्या है? सरल व्याख्या
डिसीजन ट्री (निर्णय वृक्ष) एक supervised learning एल्गोरिदम है जो हाँ या ना वाले सवालों की श्रृंखला के माध्यम से भविष्यवाणी करता है, पेड़ जैसी संरचना में जड़ से पत्ती तक चलते हुए जहाँ अंतिम परिणाम मिलता है।
आसान शब्दों में
किसी पहेली के खेल की कल्पना करें। हर सवाल विकल्पों को सीमित करता है जब तक एक जवाब नहीं बचता। डिसीजन ट्री ऐसे ही काम करता है, लेकिन सवाल यह डेटा से सीखता है।
पेड़ के मुख्य भाग
| भाग | भूमिका |
|---|---|
| जड़ नोड (Root) | पहला सवाल, पूरा डेटा |
| आंतरिक नोड | किसी विशेषता की जाँच |
| शाखा (Branch) | हर सवाल का परिणाम |
| पत्ती नोड (Leaf) | अंतिम भविष्यवाणी |
यह सवाल कैसे चुनता है
एल्गोरिदम वह सवाल ढूँढता है जो डेटा को सबसे अच्छा बाँटता है, अक्सर Gini या information gain जैसे मापदंड का उपयोग करके।
वर्गीकरण और regression
डिसीजन ट्री का उपयोग वर्गीकरण (जैसे spam पहचानना) और regression (जैसे बिक्री का अनुमान) दोनों के लिए होता है।
सीमाएँ
बहुत गहरा पेड़ डेटा को रट सकता है और overfitting कर सकता है। गहराई सीमित करना या पेड़ की छँटाई करना संतुलन बनाए रखने के सामान्य तरीके हैं।
अक्सर पूछे जाने वाले सवाल
इसे निर्णय वृक्ष क्यों कहते हैं?
क्योंकि इसकी संरचना पेड़ जैसी होती है, जड़ ऊपर और पत्तियों पर निर्णय होते हैं।
पत्ती नोड क्या है?
अंतिम नोड जहाँ आगे शाखा नहीं फूटती और परिणाम मिलता है।
क्या यह केवल वर्गीकरण के लिए है?
नहीं, यह regression कार्य भी कर सकता है।
इसकी मुख्य खूबी क्या है?
परिणाम समझने में आसान है क्योंकि हर निर्णय एक स्पष्ट नियम के रूप में दिखता है।
मुख्य बातें
- डिसीजन ट्री क्रमिक सवालों से भविष्यवाणी करता है।
- इसमें जड़, नोड, शाखा और पत्ती होते हैं।
- यह वर्गीकरण और regression दोनों करता है।
- अत्यधिक गहरा पेड़ overfitting का जोखिम बढ़ाता है।
आगे पढ़ें overfitting क्या है और मशीन लर्निंग क्या है।
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free