Phân Loại & Dự Đoán Là Gì? (Ví Dụ Cây Quyết Định Thật)

Phân loại (classification) là bài toán dự đoán 1 nhãn rời rạc — ví dụ: “khách hàng này sẽ rời mạng hay không?”, “khoản vay này có rủi ro cao hay thấp?”. Để làm được điều đó, mô hình cần tìm ra đặc điểm nào trong dữ liệu thực sự giúp dự đoán tốt, thay vì đặc điểm nào chỉ trông có vẻ liên quan.

Ví dụ thật: 12 người và bài toán “ai sẽ vỡ nợ”

Hình dung 12 người được mô tả bằng 3 đặc điểm: hình đầu (vuông/tròn), hình thân (chữ nhật/oval), màu thân (xám/trắng). Mỗi người có 1 nhãn: có vỡ nợ hay không. Câu hỏi đặt ra: đặc điểm nào trong 3 đặc điểm đó đáng tin nhất để tách nhóm “vỡ nợ” ra khỏi nhóm “không vỡ nợ”?

Ý tưởng cốt lõi gọi là độ tinh khiết (purity): 1 nhóm được xem là “tinh khiết” nếu mọi người trong đó đều cùng 1 nhãn. Đặc điểm nào chia được thành các nhóm càng tinh khiết, đặc điểm đó càng đáng tin để dùng làm căn cứ dự đoán. Đây chính là nguyên lý đứng sau hầu hết các mô hình phân loại thực tế, từ đơn giản đến phức tạp.

Từ 1 đặc điểm đến cả 1 cây quyết định

Chỉ dùng 1 đặc điểm thường không đủ để dự đoán chính xác. Cách thực tế hơn là ghép nhiều đặc điểm lại thành 1 cây quyết định: mỗi điểm rẽ nhánh kiểm tra 1 đặc điểm, đi theo các nhánh sẽ dẫn đến 1 kết luận cuối (gọi là “lá”).

Ví dụ: với khách hàng có số dư 115.000, không có việc làm, 40 tuổi — đi theo cây trên, ta rẽ nhánh “Không việc làm” rồi “Balance > 50K” → kết luận rủi ro cao. Đây chính xác là cách 1 mô hình phân loại thật hoạt động: không “hiểu” gì cả, chỉ đơn giản đi theo các nhánh đã học từ dữ liệu.

Xem thêm

Video này (tiếng Anh, có thể bật phụ đề) giải thích chi tiết cách 1 cây quyết định thật được xây dựng từng bước, đúng nguyên lý vừa học ở trên.

Câu hỏi thường gặp