4. Karar Ağaçları (Decision Trees)
Tahmin edici ve tanımlayıcı özelliklere sahip olan
karar ağaçları, veri madenciliğinde kuruluşlarının
ucuz olması, yorumlanmalarının kolay olması, veri
tabanı sistemleri ile kolayca entegre edilebilmeleri ve
güvenilirliklerinin daha iyi olması nedenleri ile
sınıflama modelleri içerisinde en yaygın kullanıma
sahiptir [24]. Karar ağacı temelli analizlerin yaygın
olarak kullanıldığı sahalar: belirli bir sınıfın muhtemel
üyesi olacak elemanların belirlenmesi, çeşitli
vakaların yüksek, orta, düşük risk grupları gibi
kategorilere ayrılması, gelecekteki olayların tahmin
edilebilmesi için kurallar oluşturulması ve parametrik
modellerin kurulmasında kullanılmak üzere çok
miktardaki değişken ve veri kümesinden faydalı
olacakların seçilmesi. Karar ağaçlarını oluşturacak
kuralların yapısal biçimi Tablo 1’de verilmiştir.
Burada her bir karar sınıfı Ω ile gösterilirken, Ψ ise
her bir sınıfa ulaşan sonucu göstermektedir. Şekil
2’de karar ağacı yapısı görülmektedir.
Karar ağaçlarının, diğer sınıflama tekniklerine (yapay
sinir ağı, bulanık mantık, Bayes tekniği, v.b.) göre en
önemli üstün tarafı, bilgiden çıkarılan kuralın anlaşılır
bir şekilde yazılabilmesidir. Ayrıca, karar ağaçlarının
kuralları kesinlik belirtirken, diğerleri yaklaşımsal
sonuçlar üretmektedirler [18].
