در دانش پروسه تصمیم گیری، که شامل روانشناسی، هوش مصنوعی و علم مدیریت می شود، درخت سریع و مقرون به صرفه ( FFT یا Fast - and - frugal tree ) یکی از انواع درختان طبقه بندی یا درخت تصمیم است. همانطور که در تصویر شماره 1 – در ادامه آن را با جزئیات توضیح می دهیم – درختان سریع و مقرون به صرفه، ساختار گرافیکی ساده ای هستند که در هر مرحله یک سوال میپرسد. هدف این است که یک شئ را ( در شکل 1: یک مریض که به سکته قلبی مشکوک است ) در یک دسته بندی با دیدگاه تصمیم گیری طبقه بندی کنیم ( در شکل 1 دو احتمال وجود داد، اینکه مریض در بخش بستری شود یا دربخش مراقبت های عروق کرونر ) . برخلاف درختان طبقه بندی و تصمیم گیری دیگر، مانند Leo Breimans’s CART، درختان سریع و مقرون به صرفه عمداً ساده تعریف شده اند، هم در ساخت و هم در اجرا آن ها و با اطلاعات کمتر و با سرعت بیشتر کار می کنند. به عنوان مثال، درخت شکل 1 فقط یک تا حداکثر سه سوال میپرسد.
درختان سریع و مقرون به صرفه در سال 2003 توسط لورا مارتینیون ( Laura Martignon ) ، ویتوش ( Vitouch ) ، تاکزاوا ( Takezawa ) و فورستر ( Forster ) [ ۱] معرفی و مفهوم سازی شدند و خانواده ای از رهیافت های آنی ساده را در سنت Gerd Gigerenzer و Herbert A. Simon در مورد مدل های رسمی اکتشافی به وجود آوردند. قبل از اینکه اصطلاح درختان سریع و مقرون به صرفه در سال 2003 ابداع شود ، این مدل های اکتشافی در زمینه های مختلفی مورد استفاده قرار گرفته بود بدون اینکه صریحاً مفهوم سازی یا تعریف شده باشد.
در کارهایی که باید یک تصمیم دودویی یا طبقه بندی انجام شود ( به عنوان مثال ، پزشک باید تصمیم بگیرد که بیمار با درد شدید قفسه سینه را به بخش مراقبت های عروق کرونر یا یک تخت پرستاری عادی اختصاص دهد ) و m نشانه ( این اصطلاحاتی است که در روانشناسی برای آنچه در هوش مصنوعی feature، و در علوم مدیریت attribute نامیده می شود، استفاده می شود ) ، برای تصمیم گیری در دسترس است ، FFT به شرح زیر تعریف می شود:
درخت سریع و مقرون به صرفه، درخت تصمیم گیری است که دارای m +1 خروجی باشد، که برای هر m – 1 نشانه اول فقط یک خروجی و برای نشانه آخر دو خروجی داشته باشد.
از نظر ریاضی ، درختان سریع و مقرون به صرفه را می توان به عنوان اکتشافی واژگانی یا به عنوان مدل های خطی با وزن غیر جبرانی که توسط مارتینیون ( Martignon ) ، کاتسیکوپولوس ( Katsikopoulos ) و وویکه ( Woike ) در سال 2008 اثبات شده است، مشاهده کرد. خصوصیات رسمی و ساخت آنها نیز با استفاده از تئوری تشخیص سیگنال توسط Luan ، Schooler و Gigerenzer در سال 2011 تحلیل شده است [ ۲] .
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفدرختان سریع و مقرون به صرفه در سال 2003 توسط لورا مارتینیون ( Laura Martignon ) ، ویتوش ( Vitouch ) ، تاکزاوا ( Takezawa ) و فورستر ( Forster ) [ ۱] معرفی و مفهوم سازی شدند و خانواده ای از رهیافت های آنی ساده را در سنت Gerd Gigerenzer و Herbert A. Simon در مورد مدل های رسمی اکتشافی به وجود آوردند. قبل از اینکه اصطلاح درختان سریع و مقرون به صرفه در سال 2003 ابداع شود ، این مدل های اکتشافی در زمینه های مختلفی مورد استفاده قرار گرفته بود بدون اینکه صریحاً مفهوم سازی یا تعریف شده باشد.
در کارهایی که باید یک تصمیم دودویی یا طبقه بندی انجام شود ( به عنوان مثال ، پزشک باید تصمیم بگیرد که بیمار با درد شدید قفسه سینه را به بخش مراقبت های عروق کرونر یا یک تخت پرستاری عادی اختصاص دهد ) و m نشانه ( این اصطلاحاتی است که در روانشناسی برای آنچه در هوش مصنوعی feature، و در علوم مدیریت attribute نامیده می شود، استفاده می شود ) ، برای تصمیم گیری در دسترس است ، FFT به شرح زیر تعریف می شود:
درخت سریع و مقرون به صرفه، درخت تصمیم گیری است که دارای m +1 خروجی باشد، که برای هر m – 1 نشانه اول فقط یک خروجی و برای نشانه آخر دو خروجی داشته باشد.
از نظر ریاضی ، درختان سریع و مقرون به صرفه را می توان به عنوان اکتشافی واژگانی یا به عنوان مدل های خطی با وزن غیر جبرانی که توسط مارتینیون ( Martignon ) ، کاتسیکوپولوس ( Katsikopoulos ) و وویکه ( Woike ) در سال 2008 اثبات شده است، مشاهده کرد. خصوصیات رسمی و ساخت آنها نیز با استفاده از تئوری تشخیص سیگنال توسط Luan ، Schooler و Gigerenzer در سال 2011 تحلیل شده است [ ۲] .
