收購項目決策樹分析

A. 決策樹的介紹

決策樹(Decision Tree）是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大於等於零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。Entropy = 系統的凌亂程度，使用演算法ID3, C4.5和C5.0生成樹演算法使用熵。這一度量是基於信息學理論中熵的概念。 決策樹是一種樹形結構，其中每個內部節點表示一個屬性上的測試，每個分支代表一個測試輸出，每個葉節點代表一種類別。 分類樹（決策樹）是一種十分常用的分類方法。他是一種監管學習，所謂監管學習就是給定一堆樣本，每個樣本都有一組屬性和一個類別，這些類別是事先確定的，那麼通過學習得到一個分類器，這個分類器能夠對新出現的對象給出正確的分類。這樣的機器學習就被稱之為監督學習。

B. PMP中，決策樹工具是什麼 什麼環境下用用來解決什麼問題有同類別的工具嘛各自優缺點是什麼

11章風險裡面的，定量風險分析

C. 結合一個投資項目進行下列分析。該投資項目可以是企業新建生產項目、收購兼並項目、擬融資等等

你好，我來為你解答：
1）對象不同。投資項目評估的對象是擬投資的項目，可以是投資項目，也可以是建設項目；資產評估的對象是組織（企業、事業、公司等）或特定資產（設備、房屋、建築物）或債權。
2）方法不同。投資項目評估主要使用內部收益率、投資報酬率等指標進行投資分析，確定投資項目；資產評估方法主要有重置成本法、收益現值法等。
3）目的不同。投資項目評估目的是為了選擇投資項目；資產評估的目的是確定資產價值（公允價值）。
4）使用不同。投資項目評估多用於招投標或項目決策；資產評估多用於企業兼並重組或轉讓。
5）期間不同。投資項目評估是某一階段的預測，如未來幾年收益率等；資產評估是評估基準日的
時點數據。

大致能想到這么些，應該夠用的了。

D. 決策樹在系統功能描述中的作用和特點 速度啊

說明決策樹在系統功能描述中的作用：決策樹又稱判定樹，是一種呈數狀的圖形工具，合適於描述處理中具有多種戰略，要根據若干條件的判定，確定所採用策略的情況。功能分析是對數據流程圖中處理過程的功能作詳細的說明。邏輯判斷處理內容的表達常採用決策樹，決策表及結構化語言等作為描述的工具。

E. 一個總承包商面臨3個項目的投標。。請利用決策樹法決策。

決策樹法就是求各種情況的加權平均數：1、水庫堤壩工程：45*0.6+（-20）*0.4=19萬元；2、污水處理工程：30*0.8+（-12）*0.2=21.6萬元；3、變電站工程：19*0.9+（-0.5）*0.1=17.05萬元。21.6萬元表示該工程獲利的期望值最大，該總承包商應該選擇污水處理工程！

F. 決策樹的計算方法

決策樹(Decision Tree）是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大於等於零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝幹，故稱決策樹。在機器學習中，決策樹是一個預測模型，他代表的是對象屬性與對象值之間的一種映射關系。

G. 決策樹、動態規劃、網路計劃這三個概念怎麼理解誒。有什麼不同，舉出例子

決策樹，是要你做出分析重點是在結果，也就是說，你要執行一項案例最終的決定和結果確認。動態規劃，就是在你策劃事情和項目中，要准備有多路選擇，就像我們做任體務，一樣，要有靈活性，做了這個計劃，還要想到有可能變動的可能，有後路，網路計劃，就是，你要分支關系網，很靈活的將你的工作分配好，不會因為許多工作內容有一條出問題而堵住，合理的分配網路支點。

H. 決策樹計算出的利潤相等時，如何進行決策

在項目比對結果是，除了考入利潤之外，還可以考慮一下幾點因素：
1，初始投資規模。相同的利潤，一個需要投資100w，另一個10萬。那就不用說了。
2，項目時間的長短。一個項目1年的利潤等於另一些項目3年的利潤。那當然是選擇1年的啦。
3，現金流出現的時間。2個時間跨度相同，投資規模一致的項目，那麼就看現金流（或者說利潤收回的方式）。是每年定期回收，還是到期末才有回收，還是項目初期就有大量回收？現金流出現的不同方式，直接影響公司的運營方式和後續其它項目的決策。
其它的還有類似風險評估（項目可能出現的不確定性。注意的是，不確定性不僅僅是指會面臨虧損，也可能是現金回收的不及時），項目是否沖突（比如，這些項目是相互沖突，或者這些項目與其它項目沖突）等。