Как и для чего применять деревья решений: пошаговая инструкция в Excel

В основе большинства современных алгоритмов, таких как XGboost, CatBoost, Adaboost, лежат ансамбли решающих деревьев — механизмов предсказания значения целевой переменной с помощью последовательности простых правил (если … то …). Пошаговое объяснение в табличном процессоре логики подбора параметров может дать больше понимания, чем распространенные SHAP TreeExplainer и аналоги. Достоинство деревьев решений — устойчивость к выбросным и отсутствующим значениям. Также хорошо применять этот классификатор, когда в выборке много категориальных значений.