O que é árvore de decisão?

Uma árvore de decisão é um mapa de possíveis resultados em uma série de escolhas relacionadas. Cada resultado leva a nós adicionais, que se ramificam em outras possibilidades e dão ao diagrama o formato de uma árvore.

Uma árvore de decisão pode ser usada tanto para conduzir diálogos informais quanto para mapear um algoritmo que prevê a melhor escolha, matematicamente. Ela permite que indivíduos ou organizações comparem possíveis ações com base em seus custos, probabilidades e benefícios. 

Tutorial sobre árvore de decisão: como fazer a sua própria com o Lucidchart

Símbolos de árvores de decisão

Antes de criarmos uma árvore de decisão, é importante conhecer seus símbolos.

O nó de probabilidade, representado por um circulo, mostra as probabilidades de certos resultados. 

Um nó de decisão, representado por um quadrado, mostra uma decisão a ser tomada. 

Um endpoint ou nó de desfecho mostra o resultado final de um percurso de decisão. 

As ramificações conectam os nós, indicando possíveis resultados ou ações. Uma ramificação com duas pequenas linhas cortando-a indica uma escolha que não foi selecionada.

Árvores de decisão também podem ser desenhadas com símbolos de fluxogramas – algumas pessoas acham mais fácil de ler e entender.

Você também pode encontrar árvores de decisão com nomes de símbolos adicionais que correspondem às mesmas funções básicas (decisão, teste, conexão e resultado).

Forma	Nome	Significado
	Nó de decisão	Indica uma decisão a ser tomada
	Nó de probabilidade	Mostra vários resultados incertos
	Ramificações alternativas	Cada ramificação indica um possível resultado ou ação
	Alternativa rejeitada	Mostra uma escolha que não foi selecionada
	Nó de desfecho	Indica um resultado final

Como desenhar uma árvore de decisão

Para desenhar uma árvore de decisão, primeiro escolha um meio. Você pode desenhá-la à mão em um papel ou quadro branco, ou pode usar um software de árvore de decisão. Seja qual for o seu método, veja os passos a seguir:

1. Comece com uma decisão principal ou o nó raiz. Desenhe uma pequena caixa para representar a decisão final que você está tentando tomar e, em seguida, desenhe uma linha à direita da caixa para cada solução ou ação possível. Rotule-as adequadamente.

2. Adicione nós de probabilidade e de decisão para expandir a árvore da seguinte forma:

• Se outra decisão for necessária, desenhe outra caixa.

• Se o resultado for incerto, desenhe um círculo para representar um nó de probabilidade.

• Se o problema for resolvido, deixe em branco (por enquanto).

A partir de cada nó de decisão, desenhe soluções possíveis. A partir de cada nó de probabilidade, desenhe linhas que representam possíveis resultados. Se você pretende analisar suas opções numericamente, inclua a probabilidade de cada resultado e o custo de cada ação.

3. Continue a expandir até que cada linha atinja um desfecho, o que significa que não há mais escolhas a serem feitas ou resultados prováveis a considerar. Em seguida, atribua um valor a cada resultado possível. Pode ser uma pontuação abstrata ou um valor financeiro. Adicione triângulos para significar desfechos.

Ao expandir a árvore, mantenha critérios de avaliação consistentes entre as opções para poder comparar as ramificações de forma justa. Por exemplo, se você perguntar se uma opção será fácil de implementar, deve aplicar a mesma pergunta às outras opções.

Depois de ter o layout básico de uma árvore de decisão completa, é possível adicionar valores a cada linha para obter mais inteligência. Eis como fazer isso:

1. Olhe para cada linha e adicione um valor a cada uma.

2. Para analisar suas opções numericamente, adicione uma estimativa para a probabilidade de cada resultado. Ao adicionar porcentagens, todas as linhas de um único nó precisam somar 100. Se você estiver usando frações, elas precisam somar 1.

3. 3. Atribua uma quantidade possível a cada triângulo no final das ramificações.

4. Multiplique o resultado pela probabilidade percentual de cada ramo final nesse resultado e subtraia o custo desse curso de ação. Você terá uma estimativa do que esse resultado em especial poderia render.

Observação: se você tem uma árvore grande com muitas ramificações, calcule os números de cada quadrado ou círculo e registre os resultados para obter o valor dessa decisão. Comece no lado direito da árvore e siga para a esquerda.

Exemplo de análise de árvore de decisão

Ao calcular a utilidade esperada ou o valor de cada escolha na árvore, você pode minimizar o risco e maximizar a probabilidade de alcançar um resultado desejável.

Para calcular a utilidade esperada de uma escolha, subtraia o custo dessa decisão dos benefícios esperados. Os benefícios esperados são iguais ao valor total de todos os resultados que poderiam existir a partir da escolha, onde cada valor é multiplicado pela probabilidade de que ocorrerá.

Ao identificar o resultado mais desejável, é importante considerar as preferências de utilidade do responsável pela tomada de decisões. Por exemplo, alguns podem preferir opções de baixo risco, enquanto outros estão dispostos a assumir riscos para ter um benefício maior.

Quando você usa sua árvore de decisão com um modelo de probabilidade, você pode calcular a probabilidade condicional de um evento, ou a probabilidade de que acontecerá se outro evento acontecer. Para isso, comece pelo evento inicial e siga o caminho daquele evento para o evento alvo, multiplicando a probabilidade de cada evento.

Desta forma, uma árvore de decisão pode funcionar como um diagrama de árvore tradicional, que mapeia as probabilidades de determinados eventos, como o lançamento uma moeda duas vezes. Em alguns casos, quando probabilidades precisas não estão disponíveis, as equipes representam o risco com graus de probabilidade (ex.: risco alto, médio ou baixo).

Vantagens e desvantagens das árvores de decisão

Como recursos visuais baseados em dados, as árvores de decisão oferecem uma visão abrangente dos resultados e ajudam a reduzir vieses na tomada de decisões. A vantagem das árvores de decisão é que elas são:

• Detalhadas: árvores de decisão obrigam você a ver todos os resultados possíveis de uma escolha para entender melhor os riscos e consequências das suas decisões.

• Visuais: as árvores de decisão são fáceis de entender e não dependem de fórmulas. Elas são fáceis de entender, e você pode compartilhar facilmente com outras pessoas para obter opiniões, o que pode ajudar você a conquistar o apoio e a aprovação das partes interessadas.

• Adaptável: praticamente qualquer pergunta, seja ela simples ou complexa, pode ser respondida usando uma árvore de decisão.

• Redução de vieses: as árvores de decisão ajudam a colocar as emoções de lado para poder comparar os resultados de diferentes decisões corretamente.

• Praticidade: não é necessário coletar muitos dados para usar árvores de decisão. Caso encontre lacunas em seus dados, você poderá identificar onde precisa inserir mais informações.

• Economia de tempo: dependendo da complexidade da decisão, uma árvore de decisão pode ser a maneira mais rápida de encontrar uma solução.

A principal desvantagem das árvores de decisão é o potencial de se tornarem: 

• Excessivamente complexas: mesmo perguntas relativamente simples podem gerar diagramas extensos, o que aumenta o risco de erros ou resultados distorcidos. Por isso, vale se planejar para a a complexidade e manter a árvore legível à medida que ela cresce. Em tais casos, um diagrama de influência mais compacto pode ser uma boa alternativa. Diagramas de influência focam mais decisões críticas, entradas e objetivos.

• Propensas a erros: outra limitação prática é que erros iniciais podem se propagar pelo restante do modelo, afetando ramificações e conclusões posteriores. Cuidado com a reação em cadeia: se você testou uma pergunta no começo da sua árvore e percebeu que errou em algo, todas as ramificações e nós precisarão ser atualizados. Por isso recomendamos usar um software online para criar árvores, pois assim você poderá fazer alterações com facilidade.

Lembre-se de que as decisões são baseadas em expectativas e árvores de decisão não contemplam todas as possibilidades (p. ex., sua empresa tendo que operar de forma totalmente remota devido a uma pandemia). As árvores de decisão são ótimas para ajudar a tomar decisões melhores, mas elas dependem das informações que você tem disponíveis no momento.

Árvores de decisão e o aprendizado de máquina e pesquisa de dados

Uma árvore de decisão pode ser usada para ajudar a criar modelos preditivos automatizados, que têm aplicações em aprendizado de máquina, pesquisa de dados e estatísticas. Conhecido como aprendizado de árvores de decisão, este método considera as observações sobre um item para prever o valor desse item.

Nestas árvores de decisão, nós representam dados, e não decisões. Este tipo de árvore é também conhecido como uma árvore de classificação. Cada ramificação contém um conjunto de atributos ou regras de classificação, associado a um determinado rótulo de classe, que pode ser encontrado na extremidade da ramificação.

Estas regras, também conhecidas como regras de decisão, podem ser expressas em uma cláusula ‘se-então’, com cada decisão ou valor de dados formando uma cláusula, de modo que, por exemplo, "Se as condições 1, 2 e 3 forem cumpridas, então o desfecho x será o resultado com y certeza."

Cada pedaço de dados adicional ajuda o modelo a prever, com mais precisão, a qual conjunto finito de valores o sujeito em questão pertence. Esta informação pode então ser usada em um modelo maior de tomada de decisão. Por vezes, a variável prevista será um número real, tal como um preço. Árvores de decisão com resultados infinitos e contínuos possíveis são chamadas de árvores de regressão.

Para maior precisão, às vezes várias árvores são usadas ​​juntas por meio de métodos de conjunto:

• Ensacamento cria várias árvores ao remodelar os dados da fonte e, em seguida, as árvores votam para chegar a um consenso.
• Um classificador de floresta aleatória é composto por várias árvores concebidas para aumentar a taxa de classificação
• Boosted trees podem ser utilizadas para árvores de regressão e de classificação.
• As árvores em uma floresta de rotação são todas treinadas usando PCA (análise de componentes principais) em uma parte aleatória dos dados

Uma árvore de decisão é considerada ideal quando representa o maior número de dados com o menor número de níveis ou perguntas. Algoritmos projetados para criar árvores de decisão otimizadas incluem CART, ASSISTANT, CLS e ID3/4/5. Uma árvore de decisão também pode ser criada por meio do desenvolvimento de regras de associação, colocando a variável de alvo à direita.

Cada método deve determinar a melhor maneira de dividir os dados em cada nível. Métodos comuns para tal incluem medição da impureza de Gini, ganho de informação e redução de variância.

Usar árvores de decisão no aprendizado de máquina tem muitas vantagens:

• O custo de utilização da árvore para prever dados diminui com cada ponto de dados adicional.

• As árvores de decisão funcionam para dados categóricos ou numéricos.

• Elas podem modelar problemas com várias saídas.

• Elas utilizam um modelo de caixa branca (facilitando a explicação dos resultados).

• A confiabilidade de uma árvore pode ser testada e quantificada.

• As decisões tendem a ser precisas, independentemente da possibilidade de violar os pressupostos dos dados de origem.

Mas também tem algumas desvantagens:

• Ao lidar com dados categóricos com vários níveis, o ganho de informação é tendencioso em favor dos atributos com mais níveis.

• Cálculos podem tornar-se complexos quando se lida com a incerteza e com muito resultados vinculados.

• Conjunções entre nós estão limitadas a “E”, enquanto gráficos de decisão permitem nós ligados por “OU”.

Em trabalhos com dados, você vai encontrar dois tipos principais de diagramas de árvore de decisão: classificação e regressão. Cada um é adequado a diferentes tipos de resultados. Os dois são sistemas valiosos, mas funcionam de maneiras diferentes e têm usos distintos. 

Com árvores de classificação, você pode separar objetos, unidades, resultados e grupos em categorias. Você pode configurar ramificações com características que facilitem a classificação e ofereçam uma distinção rápida entre as categorias. Por exemplo, é possível usar uma árvore de classificação com mineração de dados para ajudar a separar diferentes tipos de resultados em categorias. 

Árvores de regressão, em vez de ajudar com classificação, ajudam com previsão. Uma árvore de regressão usa variáveis contínuas, obtidas por meio de medição, para selecionar ramificações (ou nós). Em outras palavras, você pode usar uma árvore de regressão para organizar resultados com base na probabilidade de ocorrerem.

Por que fazer uma árvore de decisão?

Os diagramas de árvores de decisão são muito usados por empresas para planejar uma estratégia, analisar pesquisas e chegar a conclusões. Os credores e bancos usam árvores de decisão para calcular o risco dos empréstimos e oportunidades de investimento. Eles também são uma escolha popular para infográficos, e muitas vezes aparecem em revistas ou são compartilhados em redes sociais. A questão é que as árvores de decisão podem ser usadas para avaliar praticamente qualquer coisa ou preocupação, bem como para visualizar os possíveis resultados.

Os casos de uso comuns para árvores de decisão incluem:

• Planejamento de produtos: qual funcionalidade deve ser adicionada primeiro?

• Decisões gerais de negócios: devemos manter o negócio em regime remoto ou mudar a sede?

• Investimento em tecnologia: qual CMS devemos comprar?

• Aprovação de empréstimo: este mutuário representa um alto risco de crédito?

• Decisões pessoais: qual carro devemos comprar?

As árvores de decisão são particularmente úteis quando você quer uma forma de repetir o mesmo tipo de decisão várias vezes ou quando precisa de um conjunto consistente de critérios para reduzir o viés entre os casos. 

As árvores de decisão também podem ser valiosas em contextos voltados para o usuário, em que a “árvore” se torna uma experiência guiada para selecionar uma opção ou navegar em um processo. Você pode usar uma árvore de decisão para fornecer um recurso visual que represente muitas opções com uma justificativa para cada uma. Usando uma árvore de decisão como modelo, você pode construir cada opção para um aplicativo voltado ao usuário. Você também pode usar árvores de decisão para visualizar como um site funciona e como os usuários navegarão pelo seu site. Você pode desenvolver árvores de decisão para uso da sua organização internamente. Por exemplo, agentes de atendimento ao cliente ou de suporte podem usar árvores de decisão para orientar suas interações com os clientes.

Se você está decidindo se uma árvore de decisão é a ferramenta certa, é útil verificar se você está formulando uma decisão real (com alternativas viáveis) em vez de uma pergunta puramente informativa. Por exemplo, uma pergunta apropriada para a árvore de decisão seria: “Devemos desenvolver um novo site, ou reformular o existente?” A partir daí, você pode investigar as consequências de desenvolver ou reformular o site. Uma pergunta inadequada para uma árvore de decisão seria: "qual é a sopa favorita de Jared?" 

Primeiros passos no Lucidchart

Como fazer uma árvore de decisão com o Lucidchart

Vamos usar o Lucidchart para fazer uma árvore de decisão para o lançamento de um produto e decidir se faz sentido investir primeiro em testes de mercado. Existem apenas alguns símbolos (círculo, quadrado, linha e triângulo) em um Diagrama de Árvore de Decisão, então faremos um do zero. Faça login na sua conta e siga os passos abaixo (se não tiver uma, cadastre-se para experimentar o Lucidchart gratuitamente) e siga os passos abaixo.

1. Abrir um documento em branco

Comece um documento em branco clicando em +Novo > Lucidchart > Documento em branco.

2. Ajustar as configurações da página

Como diagramas de árvore de decisão podem ser grandes, é útil mudar o formato da página para paisagem. Clique no menu suspenso à direita de Formato para mudar a orientação da página para Paisagem ou Retrato.

3. Nomear o diagrama de árvore de decisão

Clique no título no canto superior esquerdo da tela e digite o nome do seu diagrama na caixa de texto.

4. Começar a desenhar a árvore de decisão

Clique e segure o retângulo em Formas e o arraste para o lado esquerdo do documento. As árvores de decisão são desenhadas da esquerda para a direita, portanto, coloque-as o mais próximo possível da margem. Use a grade e a régua para alinhar o retângulo no local desejado. Digite a decisão no retângulo. Use as opções de formatação de texto no topo do diagrama para alterar fontes, cores e espaçamento.

5. Adicionar nós

Clique e arraste um círculo para o diagrama para adicionar os nós de incerteza. Use as grades para alinhar os círculos na página. Para ajustar o tamanho do círculo, clique nele, clique em um quadrado azul e o arraste para redimensionar. Digite o nome do resultado de incerteza no círculo. Você pode adicionar quantas possibilidades quiser, mas é necessário um mínimo de duas opções ao iniciar uma árvore de decisão. Continue a adicionar nós à árvore de decisão até chegar ao resultado final de cada opção.

6. Adicionar ramificações (galhos) à árvore de decisão

Para desenhar linhas entre os nós, clique em uma forma e depois arraste uma linha de um dos círculos que aparecem até o próximo nó. Uma seta é desenhada automaticamente entre os dois objetos.

Quando chegar ao final de uma ramificação, onde nenhuma outra decisão é necessária nessa rota, adicione um triângulo ao final dessa linha.

7. Adicionar probabilidades e valores à árvore de decisão

É hora de avaliar a árvore de decisão para que você possa estimar o quanto vale a pena a ocorrência de um determinado resultado. Analise os círculos e adicione estimativas para a probabilidade de cada resultado. Para adicionar números ao diagrama, clique no T grande nas opções Standard (Padrão) e arraste-o para o local onde você deseja adicionar uma estimativa.

Os soma dos percentuais de cada nó deve ser 100. Se você estiver usando frações, a soma de cada nó deve ser um. Sinta-se à vontade para usar os dados existentes, se tiver. Em seguida, adicione o custo de cada opção ao longo da ramificação (linha de decisão).

8. Calcular o valor de cada decisão

Comece no lado direito da árvore e siga para a esquerda. Subtraia o custo de cada decisão dos benefícios esperados. Depois de terminar os cálculos, você verá claramente qual é a melhor opção.

9. Adicionar cores à árvore de decisão

Depois de terminar o projeto básico de sua árvore de decisão, é possível adicionar cores clicando em um símbolo e no ícone de preenchimento de cor na barra de menu para escolher uma cor.

10. Compartilhar o diagrama de árvore de decisão

Para compartilhar o diagrama de árvore de decisão com colaboradores, clique no botão de compartilhamento no canto superior direito da tela. Uma janela pop-up vai aparecer. Escolha como deseja compartilhar o diagrama e defina o nível de permissão adequado.

Como as árvores de decisão podem mudar à medida que os pressupostos mudam, a criação colaborativa em um software online facilita a revisão das ramificações para que você não precise reconstruir o modelo do zero.