决策树and决策表练习

2008年1月自考管理系统中计算机应用试题
某地区电话收费标准为：
（1）市内电话：每分钟0.1元；
（2）长途电话：A区间每分钟0.3元，B区间每分钟0.5元，夜间及节假日A、B区间话费减半。

要求：用决策树表达此项处理逻辑。

全国2007年7月自考管理系统中计算机应用试题
某运输公司货运收费标准是：
本地货运每吨运费20元。

外地货运每吨运费40元，距离500公里（含）以上每吨加运
费10元。

外地货运量100吨（含）以上运费增加5%。

用决策表表达运费的计算方法。

全国2007年1月自考管理系统中计算机应用试题某培训中心对于那些：
(1)“单期人数超过50人”且“培训时间大于1个月”的培训班；
(2)“常年培训单位”提出的培训班；
实行优惠处理，其余培训班作一般处理。

请将下面表示此处理逻辑的决策表(题42表)补充完整。

11. 邮寄包收费标准如下：若收件地点在1000公里以内，普通件每公斤2元，挂号件每公斤3元。

若收件地点在1000公里以外，普通件每公斤2．5元，挂号件每公斤3．5元；若重量大于30公斤，超重部分每分斤加收0．5元。

请绘制收费的原始决策表，并对其进行优化，得到优化后的决策表，再绘制出决策树(重量用W表示)。

决策表（共7分）]决策树：[完全正确给7分，少一个分支则扣1分]12．某公司货运收费标准是：（1）本地货运：每吨运费一律10元；（2）外地货运：货运量在100吨以内，如运输距离在500公里内的，每吨运费为20元，如运输距离在500公里（含）以上，每吨运费25元；货运量超过100吨（含）时，运费在相应距离基础上每吨增加10%。

请用决策表（或决策树）表达上述运费的计算方法（货物重量用W表示，单位：吨）。

w≦30是否1000公里以内是否1000公里以内普通件是否1000公里以内1000公里以内2 W2.5 W3 W3.5 W2W3W2.5×30+(W-30)×0.53.5×30+(W-30)×0.5是否是否是否是否普通件13．某公司的销售折扣政策如下：当顾客的交易额少于50000元（包括50000元），则折扣率R=0；当顾客的交易额大于50000元时，假若该客户最近三个月无欠款，则折扣率R=15%，否则看该客户是否为20年以上老客户，是则折扣率R=10%，不是则折扣率R=5% 请绘制决策树。

决策表（共7分）[条件、采取的行动表示正确则7分，少一个则扣1分；] 决策树：[完全正确给7分，少一个分支则扣1分]14．铁路货运收费标准如下：若收货地点在省内，快件每公斤5元，慢件每公斤3元。

若收费地点在省外，货物重量小于或等于20公斤，快件每公斤7元，慢件每公斤5元；若重量大于20公斤，超重部分每公斤加收1.5元（货物重量用W 表示）。

请先根据条件组合画出原始决策表，优化后得到优化表，然后再根据优化表画出相应的决策树。

计算题 一 1.为生产甲产品，小行星公司设计了两个基本方案：一是建大工厂，二是建小工厂。

如果销路好，3年以后考虑扩建。

建大工厂需投资300万元，建小工厂需投资160万元，3年后扩建另需投资140万元。

扩建后可使用7年，其年度损益值与大工厂相同。

每种自然状态的预测概率及年度损益值如下表： 前 3 年 后7 年 根据上述资料试用决策树法做出决策。

 四、计算题（15分） 答：建大厂收益=581-300=281 建小厂收益=447-160=287 所以应选择建小厂方案。

 二 山姆公司的生产设备已经落后，需要马上更新。

公司有人认为，目前产品销路增长，应在更新设备的同时扩大再生产的规模。

但也有人认为，市场形势尚难判断，不如先更新设备，3年后再根据形势变化考虑扩大再生产的规模问题。

这样，该公司就面临着两个决策方案。

决策分析的有关资料如下： A、现在更新设备，需投资35万元，3年后扩大生产规模，另需投资40万元。

 B、现在更新设备的同时扩大再生产的规模，需投资60万元。

 C、现在只更新设备，在销售情况良好时，每年可获利6万元；在销售情况不好时，每年可获利4、5万元。

 D、如果现在更新与扩产同时进行，若销售情况好，前3年每年可获利12万元；后7年每年可获利15万元；若销售情况不好，每年只获利3万元。

 E、每种自然状态的预测概率如下表 前 3 年 后7 年 答案：根据上述资料试用决策树法做出决策。

 结点7收益值=0、85×7 × 15+0、15 ×7 ×3=92、4（万元） 结点8收益值=0、85×7 ×6+0、15 ×7 ×4、5=40、4（万元） 结点9收益值=0、1×7 × 15+0、9 ×7 ×3=29、4（万元） 结点10收益值=0、1×7 × 6+0、9 ×7 ×4、5=32、6（万元） 结点1收益值=0、7×[52、4+（3 × 6）]+0、3 ×[32、6+（3 × 4、5）] =63、1（万元） 结点2收益值=0、7×[92、4+（3 × 12）]+0、3 ×[29、4+（3 × 3）] =101、4（万元） 答：用决策树法进行决策应选择更新扩产方案，可获得收益41、4万元。

决策树练习题计算决策树是一种常用的机器学习算法，它被广泛应用于数据分析、预测和决策支持等领域。

本文将通过一些实际的练习题来演示决策树的计算过程。

首先，让我们考虑一个简单的练习题。

假设我们有一个数据集，其中包含了一些关于用户购买行为的信息。

我们想要根据这些信息来预测用户是否会购买一个产品。

那么，我们可以使用决策树来构建一个预测模型。

为了简化问题，我们假设数据集中只有三个特征：用户的年龄、性别和最后一次购买的金额。

我们将这些特征分别记为A、B和C。

每个特征都有几个可能的取值。

比如，年龄可以是"young"、"middle-aged"和"old"三种取值之一，性别可以是"male"和"female"两种取值之一，购买金额可以是"low"、"medium"和"high"三种取值之一。

为了构建决策树，我们需要确定每个特征的最佳划分点。

对于连续型特征，我们可以选择一个阈值来将其划分为两个子集。

对于离散型特征，我们可以选择一个取值来进行划分。

在这个例子中，我们假设每个特征的最佳划分点已经确定下来了。

现在，我们来看看如何计算决策树的不纯度度量。

我们使用信息增益作为度量不纯度的指标。

信息增益表示在给定划分方式下，使用一个特征减少的不纯度的量。

在决策树的计算过程中，我们需要计算每个特征的信息增益，然后选择具有最大信息增益的特征作为划分点。

为了计算信息增益，我们首先需要计算整个数据集的不纯度。

常用的不纯度度量方式有熵（Entropy）和基尼指数（Gini Index）。

在这个例子中，我们选用熵作为不纯度度量方式。

计算熵需要对每个类别进行统计，然后使用统计结果计算概率和熵。

假设我们的数据集一共有100个样本，其中60个样本购买了产品，40个样本没有购买。

根据这些统计结果，我们可以计算购买和未购买的概率分别为0.6和0.4。