思维之光LIGHT OF THOUGHT我的空间
返回模型库
MODEL 004 / 做出选择

决策树

把选择、偶然事件与结果画在同一张图上。

5 分钟阅读理论与方法
01 / UNDERSTAND

它是怎么回事?

决策树将可控制的选择与不可控制的事件分开,逐步列出结果、概率和收益。它帮助暴露分支遗漏,也能在条件充分时计算期望值。

查查理·芒格应用与推广

本文为学习性整理,案例与实践步骤为编辑转化。

为什么会起作用?

决策节点表示可以选择的动作,机会节点表示无法直接控制的结果。

ORIGINS / 历史与归属

它从哪里来?

决策树被用于统计分类和决策分析;本站此条指决策分析中的行动与机会分支,不等同于机器学习分类树。

摘要

7 段摘要
  1. 把选择、偶然事件与结果画在同一张图上。

  2. 在哈佛商学院,所有一年级学生都必须学习的定量分析方法是他们所谓的决策树理论。他们所做的只是把高中代数拿过来,用它来解决现实生活中的问题。〔《穷查理宝典》查理·芒格〕

  3. 这么多年来,我一直跟巴菲特同事,他拥有许多优势,其中之一就是他能够自动的根据决策树理论和基本的排列组合原理来思考问题。〔《穷查理宝典》查理·芒格〕

  4. 决策树算法的数值核心:EV = Σ(概率 × 收益)。没有数学期望,就没有决策树的"可计算性"。

  5. 决策树思维模型的本质,是把"模糊的纠结"翻译成一张带概率与效用的树状图——通过反向归纳算出每条路径的期望值,让"叙事推理"升级为"算术"。

  6. 它的力量与危险同源:核心价值不是算出答案,而是强迫完整性(穷尽选项、承认不确定性、做敏感性分析);但一旦概率失真或忽略不可承受的后果,EV 就会变成精确的错误——记住芒格那句话:"人脑天生不是费马/帕斯卡,你必须像学高尔夫挥杆一样,刻意学会这套略微不自然的初等数学,否则你就像个独腿人参加踢屁股大赛

  7. 冯·诺依曼与摩根斯坦……提出了一种使效用可被度量的思想……[假定]人是理性的……以度量进入决策的基本主观量。决策树是选择、不确定性与结果的可视化地图。决策节点代表可用的行动,机会节点代表不确定的事件,终值节点显示最终结果的有效用。”—— Manning

02 / RECOGNIZE

什么时候用?

存在多个阶段和不确定结果,需要比较方案时。

慢思维工作台

滚动到这里时再加载,减少长文页面的首屏负担。

03 / IN REAL LIFE

把道理放回真实情景。

工作场景 · 编辑示例

新功能先小规模试点,成功后扩大,失败则停止;树状图同时计入试点成本和后续选择。 把可选择动作画成决策节点,把不能直接控制的结果画成机会节点。用区间做敏感性分析;缺少概率依据时不以精确数字掩盖未知。

生活场景 · 编辑示例

比较雨天旅行方案,将是否下雨与能否退票分别列成节点。 先画少数真正会改变选择的分支,比较各分支的后果与可撤回性。无需把所有生活可能性都画进树中。