Thuyết trình cài đặt cây QUYẾT ĐỊNH và ỨNG DỤNG vào bài TOÁN RA QUYẾT ĐỊNH

GIỚI THIỆU VỀ RA QUYẾT ĐỊNH 03/04/2024 CÂY QUYẾT ĐỊNH VÀ ỨNG DỤNG VÀO BÀI TOÁN RA QUYẾT ĐỊNH Trang 3 • Ra quyết định là một quá trình lựa chọn có ý thức giữa hai hoặc nhiều phương án P

Trang 1

CÀI ĐẶT CÂY QUYẾT ĐỊNH VÀ ỨNG DỤNG

VÀO BÀI TOÁN RA QUYẾT ĐỊNH

HỆ HỖ TRỢ QUYẾT ĐỊNH

Trang 2

UIT - HCM

CÀI ĐẶT CÂY QUYẾT ĐỊNH

VÀ ỨNG DỤNG VÀO BÀI TOÁN RA QUYẾT ĐỊNH

1 GIỚI THIỆU VỀ RA QUYẾT ĐỊNH VÀ CÂY QUYẾT ĐỊNH

2 CQĐ TRONG BÀI TOÁN QUYẾT ĐỊNH CHO VAY VỐN

3 KẾT LUẬN

4 TÀI LIỆU THAM KHẢO

Trang 3

UIT - HCM

1a GIỚI THIỆU

VỀ RA QUYẾT ĐỊNH

03/04/2024 CÂY QUYẾT ĐỊNH VÀ ỨNG DỤNG VÀO BÀI TOÁN RA QUYẾT ĐỊNH Trang 3

• Ra quyết định là một quá trình lựa chọn có ý thức

giữa hai hoặc nhiều phương án (PA) (giải pháp giải quyết vấn đề) để chọn ra một PA và PA này sẽ tạo ra được một kết quả mong muốn trong các điều kiện ràng buộc đã biết.

Trang 4

UIT - HCM

VỀ RA QUYẾT ĐỊNH (tt)

• RQĐ trong điều kiện không chắc chắn (uncertainty- Quyết

định không có xác suất): Khi RQĐ, không biết được xác

suất xảy ra của mỗi trạng thái hoặc không biết được các dữ liệu liên quan đến các vấn đề cần giải quyết

• RQĐ trong điều kiện rủi ro (risk- Quyết định có xác suất):

Khi RQĐ, đã biết được xác suất xảy ra của mỗi trạng thái

• RQĐ trong điều kiện chắc chắn (certainty): Khi RQĐ, đã

biết chắc chắn trạng thái nào sẽ xảy ra, do đó sẽ dễ dàng

và nhanh chóng ra quyết định

Trang 5

UIT - HCM

VỀ RA QUYẾT ĐỊNH (tt)

Bảng được mất ( Payoff Tables)

• Giá trị được mất là kết quả phát sinh từ việc kết hợp các

phương án quyết định và một sự kiện (state of

nature-event)

• Bảng giá trị được mất hiển thị giá trị được mất của tất cả

các phương án quyết định và từng sự kiện

• Giá trị được được mất phản ánh lợi nhuận, chi phí, thời

gian, khoảng cách hay bất kỳ độ đo thích hợp nào

Trang 6

UIT - HCM

1b GIỚI THIỆU CÂY QUYẾT ĐỊNH

Cây quyết định là một dạng biểu diễn theo thời gian của các bài toán ra quyết định

Cây quyết định bao gồm bốn thành phần:

• Nhánh: là một biến cố hay chiến lược nối hai nút hay một nút và kết quả

• Nút sự kiện: là một điểm trên cây quyết định được biểu diễn bằng hình tròn và từ đó sẽ phát xuất nhiều nhánh, mỗi nhánh là một sự kiện có

Trang 7

UIT - HCM

1b GIỚI THIỆU CÂY QUYẾT ĐỊNH

• Nút quyết định: tương ứng với các phương án lựa chọn cho quyết định

• Ký hiệu:

• Kết quả là hậu quả của một chuỗi chiến lược

và biến cố ( sự kiện) tạo thành một con đường duy nhất trên cây quyết định từ điểm đầu đến điểm cuối cùng

Trang 8

400.000 Nút sự kiện

SK1 0.4

SK1 0.45 SK2 0.55

SK2 0.6

300.000 600.000 QĐ1

QĐ2

Trang 9

UIT - HCM

QUYẾT ĐỊNH KHÔNG CÓ XÁC SUẤT

• Ba tiêu chí thường được sử dụng cho việc ra quyết định

không có xác suất xảy ra sự kiện là:

• các phương pháp tiếp cận lạc quan

• các phương pháp tiếp cận bảo thủ

• các phương pháp tiếp cận hối tiếc minimax

Trang 10

UIT - HCM

• Phương pháp tiếp cận lạc quan ( Maximax):

Chọn các phương án quyết định có giá trị được mất lớn nhất

Nếu bảng được mất (payoff table) tính theo chi phí,

phương án lựa chọn quyết định với chi phí thấp nhất sẽ được chọn

Người ra quyết định lạc quan sẽ sử dụng cách tiếp cận lạc quan Họ sẽ chọn những phương án quyết định có giá trị lớn nhất trong bảng giá trị được mất.

Trang 11

UIT - HCM

• Phương pháp tiếp cận lạc quan ( Maximax):

VD:

Trang 12

UIT - HCM

• Phương pháp tiếp cận bảo thủ( Maximin):

Liệt kê mỗi quyết định có giá trị được mất thấp nhất và sau đó lựa chọn phương án quyết định ứng với giá trị lớn nhất trong số nhưng phương án quyết định có gía trị

được mất thấp nhất

Nếu gía trị được mất là chi phí, chi phí tối đa sẽ được xác định cho từng quyết định sau đó quyết định ứng với mức tối thiểu của những chi phí tối đa sẽ được chọn

Trang 13

UIT - HCM

• Phương pháp tiếp cận bảo thủ( Maximin):

• VD:

Trang 14

UIT - HCM

• Phương pháp tiếp cận hối tiếc( Minimax):

 Cách tiếp cận hối tiếc minimax đòi hỏi việc xây dựng một bảng mất mát cơ hội.

 Được thực hiện bằng cách tính hiệu số giữa giá tri được mất và gía trị được mất lớn nhất của

trạng thái đó cho từng sự kiện

 Sau đó, dùng bảng hối tiếc, liệt kê hối tiếc tối đa cho mỗi quyết định

Trang 15

UIT - HCM

• Phương pháp tiếp cận hối tiếc( Minimax):

• VD:

Trang 16

UIT - HCM

QUYẾT ĐỊNH CÓ XÁC SUẤT

Giá trị kỳ vọng (Expected Monetary Value)

Nếu có thông tin xác suất liên quan đến các sự kiện, ta có thể dùng giá trị kỳ vọng (EMV-

Expected Monetary Value) hay EV

Ở đây, lợi nhuận kỳ vọng cho mỗi quyết định

được tính bằng cách cộng các tích của giá trị được mất của từng sự kiện với xác suất của trạng thái đó

Các quyết định cho giá trị kỳ vọng tốt nhất sẽ

Trang 17

UIT - HCM

của giá trị được mất của từng sự kiện với xác suất của trạng thái đó.

Với: N = số các trạng thái

P(sj ) = xác suất của trạng thái sj Vij = giá trị được mất ứng với phương án quyết định di và sự kiện sj

N

EMV(di)   P(Sj )Vij

j1

Trang 18

UIT - HCM

Trang 19

UIT - HCM

Trang 20

UIT - HCM

Giá trị kì vọng của thông tin hoàn hảo (EVPI)

Việc có thông tin thường xuyên sẽ cải thiện ước tính xác suất các sự kiện

Giá trị kỳ vọng của thông tin hoàn hảo (EVPI) là

sự gia tăng lợi nhuận mong đợi dẫn đến kết quả nếu biết chắc sự kiện đó sẽ xảy ra

Trang 21

UIT - HCM

Cách tính EVPI

Bước 1:

Xác định lợi nhuận tối ưu ứng với từng sự kiện

(EVWPI –giá trị kì vọng với thông tin hoàn hảo)

Trang 22

UIT - HCM

Cách tính EVPI:

VD:

Trang 23

UIT - HCM

Định lý Bayes và xác suất hậu nghiệm

dò được dùng để sửa đổi ước tính xác suất cho các sự

kiện.

cho các trạng thái được gọi là xác suất tiền nghiệm.

các chỉ báo của mẫu hoặc thông tin thăm dò, có thể sửa đổi các xác suất tiền nghiệm bằng cách sử dụng định lý

Bayes.

nghiệm hay xác suất nhánh cho cây quyết định.

Trang 24

UIT - HCM

Định lý Bayes

Trang 25

UIT - HCM

Tính xác suất hậu nghiệm

Trang 26

UIT - HCM

Giá trị kì vọng của thông tin thu được do thăm

dò ( thông tin mẫu)

Giá trị kỳ vọng của thông tin mẫu (EVSI) là lợi

nhuận mong đợi khi có thêm tri thức từ các mẫu

hay thông tin thăm dò

Trang 27

UIT - HCM

Trang 28

UIT - HCM

2 CQĐ VÀO BÀI TOÁN QUYẾT ĐỊNH CHO VAY

Trang 29

UIT - HCM

3 TỔNG KẾT

• Về mặt lý thuyết, nắm vững kiến thức liên quan

về cây quyết định.

• Về mặt ứng dụng: đã vận dụng thực hiện thiết

kế chương trình cho phép tạo cây quyết định

có xác suất, không có xác suất, có thông tin

mẫu và không có thông tin mẫu.

Trang 30

UIT - HCM

2 TÀI LIỆU THAM KHẢO

• Hoàng V.Kiếm, Đỗ Phúc, Đỗ V.Nhơn, “các hệ cơ sở tri

thức”, Đại Học Quốc Gia TP.HCM, 2007

• Đỗ Phúc, Slide bài giảng“Decision Tree”, Đại Học CNTT,

ĐHQG TP.HCM, 2015

• Nguyễn D Hùng, luận văn Th.s “ứng dụng cây quyết

định để phân loại khách hàng, vay vốn ngân hàng”,

Học Viện Bưu Chính Viễn Thông, 2012.

t-dinh-decision-tree-7608

Định dạng
Số trang	30
Dung lượng	550,13 KB