شجرة القرار

تقسّم شجرة القرار فضاء السمات بطرح سؤال واحد في كل مرة. فكل عقدة داخلية تختبر سمة واحدة مقابل عتبة، وكل فرع يتبع إجابة، وكل ورقة تصدر تنبؤًا: الفئة الأكثر تكرارًا في التصنيف أو متوسط الاستجابة في الانحدار. والتنبؤ ليس إلا مسيرًا من الجذر إلى ورقة.

والملاءمة جشعة. فعند كل عقدة تنظر الخوارزمية في انقسامات مرشّحة وتأخذ ما يحسّن نقاء المجموعات الناتجة أكثر من سواه، مقيسًا بمكسب المعلومات أو شائبة جيني أو انخفاض التباين. ثم تعاود الكرّة على كل ابن. والجشع مهم: فالانقسام الأفضل محليًا لا يلزم أن ينتمي إلى أفضل شجرة إجمالًا، وإيجاد الشجرة المثلى عالميًا عسير حسابيًا.

وإن تُركت العودية بلا ضابط استمرت حتى تصير كل ورقة نقية، فتنتج شجرة تحفظ بيانات التدريب وتعمّم رداءةً. ويأتي الضبط من تحديد العمق، أو اشتراط حدّ أدنى من المشاهدات لكل ورقة، أو تنمية الشجرة كاملةً ثم تقليم الفروع التي لا تبرّر نفسها على بيانات محجوبة.

والحدّ الأعمق هو عدم الاستقرار. فلأن الانقسام القريب من الجذر يحدّد كل ما تحته، قد يختار تغيّر صغير في عينة التدريب انقسامًا جذريًا مختلفًا فينتج شجرة مغايرة تمامًا. وهذا التباين المرتفع هو الضعف المحدَّد الذي صُمّمت طرق التجميع لإزالته، بأخذ متوسط أشجار كثيرة مُلاءَمة على نسخ مضطربة من البيانات.

شجرة تتنبأ بالتعثر عن السداد قد تختبر أولًا ما إذا كان الدخل دون 30,000. وعلى فرع الدخل المنخفض قد تختبر بعد ذلك ما إذا كانت نسبة الدين إلى الدخل تفوق 0.4، لتبلغ ورقة تتنبأ بالتعثر. وعلى فرع الدخل المرتفع قد تختبر بدلًا من ذلك طول تاريخ الائتمان.

والمسار نفسه هو التفسير: «دخل دون 30,000 ونسبة دين إلى دخل فوق 0.4» قاعدة تُقرأ مباشرةً من الشجرة وتُقال لمن لا تدريب إحصائي له. وقليل جدًا من عائلات النماذج يقدّم هذا.

ولاحظ أن الشجرة استعملت سؤالًا ثانيًا مختلفًا على كل فرع. وهذا تفاعل حقيقي: فأهمية نسبة الدين إلى الدخل تتوقف على مستوى الدخل. تلتقط الأشجار مثل هذه التفاعلات تلقائيًا، بينما يحتاج النموذج الخطي إلى تحديدها سلفًا في صورة حدود جداء صريحة.