ارزیابی مدل

هنگامی که یک دسته‌بندی کننده ساخته می‌شود، اندازه‌گیری صحت آن دارای اهمیت زیادی است. برای اندازه‌گیری صحت یک دسته‌بندی‌کننده بهتر است از داده‌های تست استفاده شود؛ یعنی پس از ساخت مدل روی داده‌های آموزشی، میزان صحت مدل در تعیین برچسب کلاس نمونه‌ها، روی داده‌های تست مورد آزمایش قرار گیرد.

 صحت یک دسته‌بندی کننده روی نمونه‌های آزمایشی برابر تعداد نمونه‌هایی است که به درستی توسط مدل، دسته‌بندی شده‌اند. البته می‌توان به جای صحت، نرخ خطا را نیز محاسبه نمود.

 مزایای درخت تصمیم

• درخت تصمیم بدیهی است و نیاز به توصیف ندارد.
• هر دو مشخصه اسمی و عددی را می‌تواند مورد توجه قرار دهد.
• نمایش درخت تصمیم به اندازه کافی برای نشان دادن هرگونه طبقه‌بندی غنی است.
• مجموعه داده‌هایی که ممکن است دارای خطا باشند را در نظر می‌گیرد.
• مجموعه داده‌هایی که دارای مقادیر مفقوده هستند را شامل می‌شود.
• درخت‌های تصمیم روش‌های ناپارامتری را نیز مورد توجه قرار می‌دهد.

بر نقاط قوت اشاره شده، درخت تصمیم نیاز به محاسبات پیچیده برای دسته‌بندی داده‌ها ندارد. همچنین درخت تصمیم نشان می‌دهد که کدام مشخصه تأثیر بیشتری در دسته‌بندی دارند.