Ventajas y desventajas de los árboles de decisión

Los árboles de decisión son diagramas que intentan mostrar el rango de posibles resultados y las decisiones posteriores tomadas después de una decisión inicial. Por ejemplo, su decisión original podría ser asistir a la universidad y el árbol podría intentar mostrar cuánto tiempo dedicaría a diferentes actividades y su poder adquisitivo en función de su decisión. Hay varias ventajas y desventajas notables en el uso de árboles de decisión.

Considerando las Consecuencias

Uno de los aspectos más útiles de los árboles de decisión es que te obligan a considerar tantos resultados posibles de una decisión como puedas imaginar. Puede ser peligroso tomar decisiones improvisadas sin considerar el rango de consecuencias. Un árbol de decisiones puede ayudarlo a sopesar las posibles consecuencias de una decisión frente a otra. En algunos casos, incluso puede ayudarlo a estimar los beneficios esperados de las decisiones. Por ejemplo, si crea estimaciones de valor en dólares de todos los resultados y probabilidades asociados con cada resultado, puede usar esos números para calcular qué decisión inicial conducirá a la mayor rentabilidad financiera promedio. Los árboles de decisión brindan un marco para considerar la probabilidad y los beneficios de las decisiones, lo que puede ayudarlo a analizar una decisión para tomar la decisión más informada posible.

Expectativas

Una desventaja de usar árboles de decisión es que los resultados de las decisiones, las decisiones posteriores y los pagos pueden basarse principalmente en las expectativas. Cuando se toman decisiones reales, los beneficios y las decisiones resultantes pueden no ser las mismas que había planeado. Puede ser imposible planificar todas las contingencias que pueden surgir como resultado de una decisión. Esto puede conducir a un árbol de decisiones poco realista que podría guiarlo hacia una mala decisión. Además, los eventos inesperados pueden alterar las decisiones y cambiar los pagos en un árbol de decisiones. Por ejemplo, si espera que sus padres paguen la mitad de su universidad cuando decida ir a la escuela, pero luego descubre que tendrá que pagar toda su matrícula, sus pagos esperados serán dramáticamente diferentes a la realidad.

Complejidad

Los árboles de decisión son relativamente fáciles de entender cuando hay pocas decisiones y resultados incluidos en el árbol. Los árboles grandes que incluyen docenas de nodos de decisión (lugares donde se toman nuevas decisiones) pueden ser enrevesados ​​y tener un valor limitado. Cuantas más decisiones haya en un árbol, menos precisos serán los resultados esperados. Por ejemplo, si hace un mapa de árbol de la decisión de ir a la universidad, probablemente no podrá predecir con precisión las posibilidades de que gane más de $ 100,000 en diez años, pero podría estimar con precisión sus ganancias. poder después de salir de la universidad.