معايب درختان تصمیم
1. در مواردي كه هدف از یادگیری، تخمين تابعي با مقادير پيوسته است مناسب نيستند.
2. در موارد با تعداد دسته های زياد و نمونهء آموزشي كم، احتمال خطا بالاست.
3. توليد درخت تصميم گيري، هزينه محاسباتي بالا دارد.
4. هرس كردن درخت هزينه بالايي دارد.
5. در مسائلي كه دسته های ورودي با نواحي مكعبي به خوبي جدا نشوند و دسته ها همپوشانی داشته باشند، خوب عمل نمي كنند.
6. در صورت همپوشانی گره ها تعداد گره های پاياني زیاد می شود.
7. در صورتی که درخت بزرگ باشد امکان است خطاها از سطحی به سطحی دیگر جمع شوند (انباشته شدن خطاي لايه ها بر روي يكديگر).
8. طراحي درخت تصميم گيري بهينه، دشوار است. کارایی یک درخت دسته بندی کننده به چگونگی طراحی خوب آن بستگی دارد.
9. احتمال تولید روابط نادرست وجود دارد.
10. بازنمایی درخت تصمیم دشوار است.
11. وقتی تعداد دسته ها زیاد است، می تواند باعث شود که تعداد گره های پایانی بیشتر از تعداد دسته های واقعی بوده و بنابراین زمان جستجو و فضای حافظه را افزایش می دهد.
|