1樓：陳科
最小的後悔值等於並不後悔，最大後悔值等於後悔造成的後果已經無法挽回的地步。
2樓：
1.結合例項說明什麼是最小最大後悔值法。
最小最大後悔值法也稱薩凡奇決策準則
最小最大後悔值法是指管理者在選擇了某方案後，如果將來發生的自然狀態表明其他方案的收益更大，那麼他(或她)會為自已的選擇而後悔。最小最大後悔值法就是使後悔值最小的方法。
最小最大後悔值法的運用
在**市場上，最小最大後悔值法被稱為最小後悔法，是**投資者力圖使後悔值降到最低限度的**投資方法。
由於選取的購買方案往往與**的企業經營狀況存在很大的差異，這樣就會出現實際收益大大低於目標收益的狀況而使投資者產生後悔。最小後悔法的目的就是要使投資者將這種後悔降低到最低程度。
利用最小後悔法買賣**的操作程式：
1、列出投資者在各種狀態下的購買方案，並在每一購買方案中選出各自然狀態下的最大收益值。
2、求出各種自然狀態下各種方案的後悔值，其後悔值的公式是：逗某方案後悔值地＝ 逗某自然狀態下的最大收益值地-逗該方案的收益值地，然後，將此方案的後悔值填入該方案欄中。
3、由此找出各方案在不同自然狀態下的最大後悔值。
4、在各方案的最大後悔值中找出最小的後悔值，最小後悔值所對應的方案即為最優方案。
2.舉例說明決策樹的作用。
決策樹是用二叉樹形圖來表示處理邏輯的一種工具。可以直觀、清晰地表達加工的邏輯要求。特別適合於判斷因素比較少、邏輯組合關係不復雜的情況。
決策樹提供了一種展示類似在什麼條件下會得到什麼值這類規則的方法。比如，在貸款申請中，要對申請的風險大小做出判斷，圖是為了解決這個問題而建立的一棵決策樹，從中我們可以看到決策樹的基本組成部分：決策節點、分支和葉子。
決策樹中最上面的節點稱為根節點，是整個決策樹的開始。本例中根節點是逗收入》￥40,000地，對此問題的不同回答產生了逗是地和逗否地兩個分支。
決策樹的每個節點子節點的個數與決策樹在用的演算法有關。如cart演算法得到的決策樹每個節點有兩個分支，這種樹稱為二叉樹。允許節點含有多於兩個子節點的樹稱為多叉樹。
每個分支要麼是一個新的決策節點，要麼是樹的結尾，稱為葉子。在沿著決策樹從上到下遍歷的過程中，在每個節點都會遇到一個問題，對每個節點上問題的不同回答導致不同的分支，最後會到達一個葉子節點。這個過程就是利用決策樹進行分類的過程，利用幾個變數（每個變數對應一個問題）來判斷所屬的類別（最後每個葉子會對應一個類別）。
假如負責借貸的銀行**利用上面這棵決策樹來決定支援哪些貸款和拒絕哪些貸款，那麼他就可以用貸款申請表來執行這棵決策樹，用決策樹來判斷風險的大小。逗年收入》￥40,00地和逗高負債地的使用者被認為是逗高風險地，同時逗收入<￥40,000地但逗工作時間》5年地的申請，則被認為逗低風險地而建議貸款給他/她。
資料探勘中決策樹是一種經常要用到的技術，可以用於分析資料，同樣也可以用來作**（就像上面的銀行**用他來**貸款風險）。常用的演算法有chaid、 cart、 quest 和c5.0。
建立決策樹的過程，即樹的生長過程是不斷的把資料進行切分的過程，每次切分對應一個問題，也對應著一個節點。對每個切分都要求分成的組之間的逗差異地最大。
各種決策樹演算法之間的主要區別就是對這個逗差異地衡量方式的區別。對具體衡量方式演算法的討論超出了本文的範圍，在此我們只需要把切分看成是把一組資料分成幾份，份與份之間儘量不同，而同一份內的資料儘量相同。這個切分的過程也可稱為資料的逗純化地。
看我們的例子，包含兩個類別--低風險和高風險。如果經過一次切分後得到的分組，每個分組中的資料都屬於同一個類別，顯然達到這樣效果的切分方法就是我們所追求的。
到現在為止我們所討論的例子都是非常簡單的，樹也容易理解，當然實際中應用的決策樹可能非常複雜。假定我們利用歷史資料建立了一個包含幾百個屬性、輸出的類有十幾種的決策樹，這樣的一棵樹對人來說可能太複雜了，但每一條從根結點到葉子節點的路徑所描述的含義仍然是可以理解的。決策樹的這種易理解性對資料探勘的使用者來說是一個顯著的優點。
然而決策樹的這種明確性可能帶來誤導。比如，決策樹每個節點對應分割的定義都是非常明確毫不含糊的，但在實際生活中這種明確可能帶來麻煩（憑什麼說年收入￥40,001的人具有較小的信用風險而￥40,000的人就沒有）。
最小後悔值和最大後悔值是一樣的嗎？ 管理學上嗎？
3樓：林荔山
1.結合例項說明什麼是最小最大後悔值法。
最小最大後悔值法也稱薩凡奇決策準則
最小最大後悔值法是指管理者在選擇了某方案後，如果將來發生的自然狀態表明其他方案的收益更大，那麼他(或她)會為自已的選擇而後悔。最小最大後悔值法就是使後悔值最小的方法。
最小最大後悔值法的運用
在**市場上，最小最大後悔值法被稱為最小後悔法，是**投資者力圖使後悔值降到最低限度的**投資方法。
由於選取的購買方案往往與**的企業經營狀況存在很大的差異，這樣就會出現實際收益大大低於目標收益的狀況而使投資者產生後悔。最小後悔法的目的就是要使投資者將這種後悔降低到最低程度。
利用最小後悔法買賣**的操作程式：
1、列出投資者在各種狀態下的購買方案，並在每一購買方案中選出各自然狀態下的最大收益值。
2、求出各種自然狀態下各種方案的後悔值，其後悔值的公式是：「某方案後悔值」＝ 「某自然狀態下的最大收益值」-「該方案的收益值」，然後，將此方案的後悔值填入該方案欄中。
3、由此找出各方案在不同自然狀態下的最大後悔值。
4、在各方案的最大後悔值中找出最小的後悔值，最小後悔值所對應的方案即為最優方案。
2.舉例說明決策樹的作用。
決策樹是用二叉樹形圖來表示處理邏輯的一種工具。可以直觀、清晰地表達加工的邏輯要求。特別適合於判斷因素比較少、邏輯組合關係不復雜的情況。
決策樹提供了一種展示類似在什麼條件下會得到什麼值這類規則的方法。比如，在貸款申請中，要對申請的風險大小做出判斷，圖是為了解決這個問題而建立的一棵決策樹，從中我們可以看到決策樹的基本組成部分：決策節點、分支和葉子。
決策樹中最上面的節點稱為根節點，是整個決策樹的開始。本例中根節點是「收入》￥40,000」，對此問題的不同回答產生了「是」和「否」兩個分支。
決策樹的每個節點子節點的個數與決策樹在用的演算法有關。如cart演算法得到的決策樹每個節點有兩個分支，這種樹稱為二叉樹。允許節點含有多於兩個子節點的樹稱為多叉樹。
每個分支要麼是一個新的決策節點，要麼是樹的結尾，稱為葉子。在沿著決策樹從上到下遍歷的過程中，在每個節點都會遇到一個問題，對每個節點上問題的不同回答導致不同的分支，最後會到達一個葉子節點。這個過程就是利用決策樹進行分類的過程，利用幾個變數（每個變數對應一個問題）來判斷所屬的類別（最後每個葉子會對應一個類別）。
假如負責借貸的銀行**利用上面這棵決策樹來決定支援哪些貸款和拒絕哪些貸款，那麼他就可以用貸款申請表來執行這棵決策樹，用決策樹來判斷風險的大小。「年收入》￥40,00」和「高負債」的使用者被認為是「高風險」，同時「收入<￥40,000」但「工作時間》5年」的申請，則被認為「低風險」而建議貸款給他/她。
資料探勘中決策樹是一種經常要用到的技術，可以用於分析資料，同樣也可以用來作**（就像上面的銀行**用他來**貸款風險）。常用的演算法有chaid、 cart、 quest 和c5.0。
建立決策樹的過程，即樹的生長過程是不斷的把資料進行切分的過程，每次切分對應一個問題，也對應著一個節點。對每個切分都要求分成的組之間的「差異」最大。
各種決策樹演算法之間的主要區別就是對這個「差異」衡量方式的區別。對具體衡量方式演算法的討論超出了本文的範圍，在此我們只需要把切分看成是把一組資料分成幾份，份與份之間儘量不同，而同一份內的資料儘量相同。這個切分的過程也可稱為資料的「純化」。
看我們的例子，包含兩個類別--低風險和高風險。如果經過一次切分後得到的分組，每個分組中的資料都屬於同一個類別，顯然達到這樣效果的切分方法就是我們所追求的。
到現在為止我們所討論的例子都是非常簡單的，樹也容易理解，當然實際中應用的決策樹可能非常複雜。假定我們利用歷史資料建立了一個包含幾百個屬性、輸出的類有十幾種的決策樹，這樣的一棵樹對人來說可能太複雜了，但每一條從根結點到葉子節點的路徑所描述的含義仍然是可以理解的。決策樹的這種易理解性對資料探勘的使用者來說是一個顯著的優點。
然而決策樹的這種明確性可能帶來誤導。比如，決策樹每個節點對應分割的定義都是非常明確毫不含糊的，但在實際生活中這種明確可能帶來麻煩（憑什麼說年收入￥40,001的人具有較小的信用風險而￥40,000的人就沒有）。
4樓：手機使用者
兩點後悔什麼有什麼區別的，主要是和，後悔的事產生的價值是多少
5樓：匿名使用者
是一樣的！只要有後悔，就會糾結！
管理學中最大最小後悔值怎麼算？
6樓：玉初夏侯
最大最小後悔值法：是一種根據機會成本進行決策的方法，它以各方案機會損失大小來判斷方案的優劣。具體演算法如下
，第一步，計算每個方案在每種情況下的後悔值；（後悔值=該方案在該情況下的最優收益-該情況下該方案的收益）；
第二步，找出各方案的最大後悔值；
第三步，選擇最大後悔值中的最小方方案作為最優方案。
7樓：憂鬱紅塵
最小最大後悔值，是一種不確定性條件下做決策的方法。
假設有m種可供選擇的方案a1, a2, ..., am，每種方案又有n種可能出現的情景，其概率分別是p1, p2, ... , pn, 然後每種方案在每種情景下的結果是omn, 到底該選擇哪個方案呢？
如果不考慮決策者對待決策的態度，我們可以用決策樹的方法，以期望值為基礎做出決策。方案i的期望值是：ei = sigma (pj*oij), 選取期望值最大的方案。
而最小最大後悔值本質上是一種比較保守的方法。具體演算法是：
1) 選擇i方案出現j情景的後悔值：rij = max(oxj) - oij, 即如果出現j情景，選擇i方案的收益與最佳方案的收益之間的差異；
2) 選擇i方案的最大後悔值：ri = max (rix);
3) 選取後悔值最小的方案。
最大後悔值中的最小值一樣怎麼辦啊？
就兩個方案都可，最小最大後悔值為巴拉巴拉。最小後悔值和最大後悔值是一樣的嗎？管理學上嗎？兩點後悔什麼有什麼區別的，主要是和，後悔的事產生的價值是多少。是一樣的！只要有後悔，就會糾結！最小最大後悔值法 薩凡奇準則 最小最大後悔值法 也稱薩凡奇決策準確性則，決策者不知道各種自然狀態中任一種發生的概率，決...
最大值與最小值（導數），高等數學求最大值與最小值問題
我不是他舅 1 f x 12x 1 0 x 1 12 x 1 12,f x 0,f x 是減函式x 1 12,f x 0,f x 是增函式則x 1 12是極小值 他是區間內唯一的極值，所以是最小值 最大值在邊界 f 1 12 47 24 f 1 7 f 1 9 f 1 f 1 所以最大值 9，最小值...
二次函式最大值，最小值，二次函式的最大值，最小值怎麼求
夢色十年 二次項係數是正數，函式有最小值無最大值。二次項係數是負數，函式有最大值無最小值。設函式是y ax bx c 當x b 2a，y 4ac b 4a。擴充套件資料 二次函式一次項係數b和二次項係數a共同決定對稱軸的位置。當a 0,與b同號時 即ab 0 對稱軸在y軸左 因為對稱軸在左邊則對稱軸...