аспирант с 01.01.2023 по настоящее время
Москва, г. Москва и Московская область, Россия
УДК 159.9 Психология
ГРНТИ 12.09 Развитие науки
Данная статья представляет собой обзор метода дерево решений и его применение в сфере управленческой деятельностей. Метод дерево решений является мощным инструментом машинного обучения, который может быть эффективно использован для принятия управленческих решений, прогнозирования результатов бизнес-процессов, выявления ключевых факторов успеха и оптимизации стратегических процессов, а также снижению таких личностных факторов, как психологические барьеры руководителя. В статье рассматриваются основные принципы работы метода, его применение в управленческом анализе, а также способы улучшения качества моделей деревьев решений. Автор, используя общенаучные и специальные методы, приводит пример простой, но эффективной системы использования метода дерево решений в различных сферах управления, что делает эту статью полезным ресурсом для менеджеров и аналитиков, заинтересованных в применении современных методов анализа данных для улучшения управленческих решений. В заключении сделаны выводы о целесообразности использования метода дерева решений, на основе которого может быть создана масштабируемая система принятия управленческих решений с применением универсального несложного алгоритма обучения технологий искусственного интеллекта и внедренная в стратегическое управление компанией.
дерево решений, метод машинного обучения в психологии, вертикальный анализ, менеджмент, управление, планирование, управленческие решения, стратегический анализ
1. Барабанщиков В.А. Системный подход в структуре психологического познания // Методология и история психологии. 2007. Т. 2, № 1. С. 86–99. EDN QAAXKZ.
2. Воробьев А.В. Обзор применения математических методов при проведении психологических исследований // Психологические исследования. 2010. № 2. С. 8. EDN LSRDDR.
3. Знаков В.В. Динамический подход к исследованию личности и процессуальный анализ в психологии субъекта // Психологический журнал. 2019. – Т.40, №5. С. 27–34. DOIhttps://doi.org/10.31857/S020595920006073-6. EDN SUOACH.
4. Резниченко Н.С., Шилов С.Н., Абдулкин В.В. Нейросетевой подход в решении медико-психологических проблем и в диагностическом процессе у лиц с ограниченными возможностями здоровья (обзор литературы) // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. 2013. Т. 6, № 9. С. 1256–1264. EDN PIXARB.
5. Шадриков В.Д. К новой психологической теории способностей и одаренности // Психологический журнал. 2019. Т.40, №2. С. 15–26. DOIhttps://doi.org/10.31857/S020595920002981-5. EDN VWWYPQ.
6. Adriaens F., Lijffijt J., De Bie T. Subjectively interesting connecting trees and forests. Data Mining and Knowledge Discovery. 2019;33:1088–1124. DOIhttps://doi.org/10.1007/s10618-019-00627-1.
7. Delibalt V.V., Degtyaryov A.V., Dozortseva E.G., Chirkina R.V., Dvoryanchikov N.V., Pimonov V.A. et al. Evaluation of cognitive functions, personality and regulatory sphere in minors with deviant and delinquent behavior within the authority of the psychological, medical and educational committee. International journal of cognitive research in science, engineering and education. 2017;5(2):107–118. DOIhttps://doi.org/10.5937/IJCRSEE1702107D.
8. Geary D.C. Efficiency of mitochondrial functioning as the fundamental biological mechanism of general intelligence (g). Psychological Review. 2018;125 (6):1028–1050. DOIhttps://doi.org/10.1037/rev0000124.
9. Genrikhov I.E., Djukova E.V. About methods of Synthesis Complete Regression Decision Trees. Pattern Recognition and Image Analysis. 2019;29:457–470. DOIhttps://doi.org/10.1134/S1054661819030040.
10. Genrikhov I.E., Djukova E.V., Zhuravlev V.I. On full regression decision trees. Pattern Recognition and Image Analysis. 2017;27:1–7. DOIhttps://doi.org/10.1134/S1054661817010047.
11. Suzin G., Ravona-Springer R, Ash E.L., Davelaar E.J., Usher M. Differences in Semantic Memory Encoding Strategies in Young, Healthy Old and MCI Patients. Frontiers in Aging Neuroscience. 2019;11:306. DOIhttps://doi.org/10.3389/fnagi.2019.00306.
