ต้นไม้ตัดสินใจ (Decision Tree) คืออะไร? คำอธิบายสำหรับมือใหม่

Updated · By Viviai

ต้นไม้ตัดสินใจ (decision tree) เป็นอัลกอริทึมการเรียนรู้แบบมีผู้สอนที่ทำนายผลผ่านชุดคำถามแบบใช่หรือไม่ ไปตามโครงสร้างรูปต้นไม้ตั้งแต่โหนดรากจนถึงโหนดใบที่ให้ผลลัพธ์สุดท้าย

อธิบายแบบง่าย

ลองนึกภาพเกมทายคำปริศนา คำถามแต่ละข้อช่วยลดตัวเลือกลงจนเหลือคำตอบเดียว ต้นไม้ตัดสินใจทำงานแบบนั้น แต่คำถามถูกเรียนรู้มาจากข้อมูล

ส่วนต่าง ๆ ของต้นไม้

ส่วน หน้าที่
โหนดราก คำถามแรก ครอบคลุมข้อมูลทั้งหมด
โหนดภายใน ตรวจสอบคุณลักษณะ
กิ่ง ผลลัพธ์ของแต่ละคำถาม
โหนดใบ คำทำนายสุดท้าย

ต้นไม้เลือกคำถามอย่างไร

อัลกอริทึมมองหาคำถามที่แยกข้อมูลได้ดีที่สุด มักใช้ค่าอย่าง Gini หรือ entropy เพื่อให้กลุ่มในแต่ละกิ่งมีความคล้ายคลึงกันมากขึ้น

การจำแนกประเภทและการถดถอย

ต้นไม้ตัดสินใจใช้ได้ทั้งการจำแนกประเภท เช่น แยกสแปม และการถดถอย เช่น ประมาณการยอดขาย

ข้อจำกัด

ต้นไม้ที่ปล่อยให้ลึกเกินไปอาจท่องจำข้อมูลฝึกและเกิด overfitting การจำกัดความลึกหรือตัดแต่งกิ่งเป็นวิธีที่นิยมใช้เพื่อรักษาความสมดุล

คำถามที่พบบ่อย

เหตุใดจึงเรียกว่าต้นไม้ตัดสินใจ

เพราะโครงสร้างแตกกิ่งคล้ายต้นไม้ มีรากอยู่ด้านบนและใบที่ให้ผลการตัดสินใจ

โหนดใบคืออะไร

โหนดสุดท้ายที่ไม่แตกกิ่งต่อแล้ว และให้ผลลัพธ์

ต้นไม้ตัดสินใจใช้เฉพาะจำแนกประเภทหรือไม่

ไม่ใช่ ยังสามารถทำงานถดถอยได้ด้วย

จุดเด่นหลักคืออะไร

ผลลัพธ์อ่านและอธิบายได้ง่ายเพราะทุกการตัดสินใจเป็นกฎที่เห็นชัด

สรุปประเด็นสำคัญ

อ่านต่อ [overfitting คืออะไร](overfitting-khue-arai) และ [การเรียนรู้ของเครื่องคืออะไร](machine-learning-khue-arai)

Sources

  1. https://th.wikipedia.org/wiki/%E0%B8%95%E0%B9%89%E0%B8%99%E0%B9%84%E0%B8%A1%E0%B9%89%E0%B8%95%E0%B8%B1%E0%B8%94%E0%B8%AA%E0%B8%B4%E0%B8%99%E0%B9%83%E0%B8%88
  2. https://i-tdi.com/decision-tree-smart-farm/
  3. https://www.codemoomoo.dev/AI/Lab6.md

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free