Wat is Beslisboom?
In één zin
Een beslisboom is een model dat stap voor stap ja-of-nee-vragen stelt om tot een voorspelling of besluit te komen, en dat goed uit te leggen is.
Ook wel: decision tree
Een beslisboom is een model dat een beslissing neemt door een reeks simpele ja-of-nee-vragen te stellen. Het ziet eruit als een boom die zich vertakt.
Hoe werkt het?
Je begint bovenaan met een eerste vraag. Het antwoord bepaalt welke tak je volgt. Dan komt de volgende vraag, tot je onderaan bij een uitkomst komt. Die uitkomst is het besluit of de voorspelling.
In machine learning leert de computer zelf welke vragen het beste werken. Daarvoor gebruikt hij voorbeelddata. Hij kijkt welke vraag de gegevens het best in groepen verdeelt. Zo bouwt hij stap voor stap een boom.
Een groot voordeel is dat je het pad kunt volgen. Je ziet precies waarom het model tot een uitkomst kwam. Dat maakt een beslisboom beter uitlegbaar dan veel andere AI-modellen. Soms combineert men veel bomen tot een sterker model. Zo’n groep heet een random forest.
Een voorbeeld uit de praktijk
Een bank wil bepalen of een lening past bij een klant. De boom vraagt eerst: is het inkomen hoger dan een bepaald bedrag? Daarna: heeft de klant al andere schulden? Aan het einde volgt een advies: goedkeuren, afwijzen of laten beoordelen door een medewerker.
Waarom is dit belangrijk voor jou?
Beslisbomen worden veel gebruikt bij kredietchecks, medische triage en klantadvies. Het is goed om dit te weten, want:
- Je kunt vaak laten uitleggen waarom een besluit is genomen.
- De boom is zo eerlijk als de data waarmee hij is getraind. Zit er bias in de data, dan zit die ook in de boom.
- Een te grote boom onthoudt de voorbeelden te goed en werkt slecht op nieuwe gevallen. Dat heet overfitting.
Bij belangrijke besluiten over mensen moet altijd een mens kunnen meekijken.
