Beslutsträd i maskininlärning: så fattar modellen beslut

Beslutsträd maskininlärning är en modell inom maskininlärning som delar upp data med en serie frågor tills den landar i en förutsägelse. Den tänker inte och förstår inte situationen i mänsklig mening. Den räknar i stället på mönster i träningsdata och använder de delningar som fungerade bäst där.

I praktiken används beslutsträd ofta för att klassificera något, som om ett mejl är skräppost, eller för att uppskatta ett värde, som ett pris. Modellen är populär eftersom den går att förklara med vanliga ord. Man kan följa vägen genom trädet och se vilka frågor som ledde fram till svaret.

I korthet

Ett beslutsträd delar upp data med frågor steg för steg.
Det används oftast för klassificering och regression, alltså kategorier eller tal.
Trädet tränas på exempel med facit och väljer frågor som minskar blandningen i grupperna.
Ett enskilt träd är lätt att förklara men kan vara känsligt för små förändringar i datan.
Random forest bygger på många träd tillsammans och blir därför ofta stabilare, men inte alltid bäst i alla lägen.

Vad är ett beslutsträd?

Ett beslutsträd är en modell som liknar ett flödesschema. Varje steg i trädet ställer en fråga om datan. Beroende på svaret går modellen åt olika håll. Till slut når den en slutpunkt där den lämnar sin förutsägelse.

Delarna i trädet kallas ofta noder och löv. På engelska kallas de nodes och leaves. En nod är en punkt där modellen delar upp datan med en fråga. Ett löv är slutpunkten där modellen ger sitt svar, till exempel en klass eller ett tal.

Ett enkelt exempel

Tänk dig att modellen ska avgöra om en kund troligen säger upp sitt abonnemang. Trädet kan börja med frågan om kunden nyligen har klagat. Om svaret är ja går modellen till nästa fråga, kanske om priset har höjts. Om svaret är nej går den åt ett annat håll. Efter några sådana steg når modellen ett slut där den gissar ja eller nej.

Hur tränas ett beslutsträd?

Beslutsträd används oftast i övervakad inlärning, där modellen tränas på exempel med facit. Varje rad i datan har egenskaper, på engelska features, och ett rätt svar. Träningen går ut på att hitta frågor som delar upp exemplen så att fall med samma utfall hamnar närmare varandra.

Samla träningsdata

Man börjar med exempel där rätt svar redan är känt, till exempel lån som har betalats tillbaka eller inte.

Jämför möjliga frågor

Algoritmen provar många olika sätt att dela upp datan, till exempel över eller under en viss ålder eller om kunden har klagat eller inte.

Välj den bästa delningen

Den fråga som gör grupperna mest enhetliga väljs först.

Bygg vidare gren för gren

Samma process upprepas i varje ny grupp tills trädet är färdigt eller når en stoppregel.

Testa på ny data

Till sist kontrollerar man hur bra trädet fungerar på exempel som inte användes under träningen.

Hur väljer modellen den bästa frågan?

Det här är kärnan i hur ett beslutsträd byggs. Algoritmen jämför många möjliga delningar och väljer den som bäst minskar blandningen i grupperna. Om en grupp nästan bara innehåller ett slags svar är den mer ren. Om den innehåller en blandning av många olika svar är den mindre ren.

Den här blandningen kallas ibland impurity på engelska. Du behöver inte kunna matematiken bakom för att förstå idén. Målet är att ställa en fråga som gör nästa steg enklare. En bra fråga skiljer alltså ut exempel som ofta leder till olika svar.

Kort exempel

Anta att modellen ska förutsäga om ett lån blir återbetalat. Den kan jämföra frågan ”har personen missat betalningar tidigare?” med frågan ”bor personen i en viss stad?” Om den första frågan ger två grupper där svaren blir tydligare, alltså mindre blandade, är den mer användbar. Då väljs den före den andra frågan.

När trädet sedan används på nya exempel följer det bara den väg som matchar värdena i datan. Det finns inget sunt förnuft i processen. Modellen använder de statistiska mönster som träningsdatan gjorde synliga.

Vilka problem kan ett beslutsträd lösa?

Beslutsträd används främst för två typer av uppgifter. Den ena är klassificering, där modellen väljer kategori. Den andra är regression, där modellen förutsäger ett tal.

Typ av uppgift	Vad trädet förutsäger	Vardagsexempel
Klassificering	En kategori, som ja eller nej	Skräppost eller inte, bedrägeri eller inte
Regression	Ett tal	Bostadspris, leveranstid, energiförbrukning

Samma grundidé används i båda fallen. Skillnaden är vad som finns i löven längst ned i trädet. Vid klassificering blir svaret en klass, och ibland en sannolikhetsliknande uppskattning. Vid regression blir svaret ett numeriskt värde.

I många verktyg arbetar beslutsträd direkt med numeriska värden, som ålder eller pris. Kategoriska värden, som färg eller ort, stöds olika väl beroende på algoritm och bibliotek. Ibland kan de användas direkt. Ibland behöver de först kodas om till ett format som modellen kan arbeta med.

Styrkor och svagheter med beslutsträd

En stor fördel med beslutsträd är att de ofta går att förklara. Man kan följa vägen från start till slut och se vilka frågor som ledde fram till svaret. Det gör modellen lättare att granska än många mer komplicerade metoder.

Lätta att beskriva med vanliga ord.
Bra när datan finns i tabellform.
Kan hitta samband som inte är raka eller enkla.
Kräver ofta mindre förarbete än vissa andra metoder.

Vanliga problem

Ett enskilt beslutsträd kan också vara känsligt. En liten förändring i träningsdatan kan ibland ge ett ganska annorlunda träd. Om trädet får växa för långt riskerar det överanpassning, alltså att modellen lär sig detaljer i träningsdatan i stället för ett mönster som håller på nya exempel.

Djupa träd kan fastna i tillfälliga detaljer i datan.
Sned eller orättvis träningsdata kan ge sneda beslut även i trädet.
Ett mycket lättläst träd är inte alltid det mest träffsäkra alternativet.

Vad är random forest?

Random forest är en metod där man använder många beslutsträd i stället för ett enda. Namnet betyder ungefär slumpmässig skog. Varje träd tränas på lite olika delar av datan och ofta också på lite olika urval av egenskaper.

När ett nytt exempel kommer in får alla träden säga sitt. Vid klassificering röstar de om vilken kategori som är mest trolig. Vid regression tar man ofta medelvärdet av trädens svar. Resultatet blir därför ofta mindre känsligt för enskilda fel eller tillfälligheter i datan.

På många problem med tabellformad data fungerar random forest därför bättre än ett enda träd, men det är ingen garanti. Det beror på datan, uppgiften och vilket mått man jämför med. Nackdelen är att modellen blir svårare att förklara steg för steg, eftersom svaret kommer från många träd tillsammans.

Tänk på

Random forest hör till samma modellfamilj som beslutsträd, men är inte samma sak. Om du vill se hur träd och skogar beskrivs i praktiken kan du läsa Googles introduktion till decision forests eller en kort översikt av random forest.

När passar beslutsträd bäst?

Beslutsträd passar bra när du vill ha en modell som går att beskriva med tydliga regler. De är ofta ett bra första val när datan ligger i rader och kolumner, och när det är viktigt att kunna visa ungefär varför modellen gav ett visst svar.

De kan också vara användbara när sambanden har trösklar. Ett träd kan till exempel fånga att en regel bara gäller över en viss inkomst eller under en viss ålder. Det gör modellen praktisk i många affärsproblem, riskbedömningar och enklare prognoser.

Samtidigt finns det uppgifter där andra modeller ofta passar bättre. För bilder, ljud och långa texter används ofta andra modelltyper. Beslutsträd är därför viktiga att känna till, men de är en del av en större verktygslåda och inte en universallösning.

Vanliga frågor

Är beslutsträd samma sak som ett flödesschema?

De liknar varandra i hur de ser ut. Skillnaden är att ett flödesschema ofta skrivs av en människa i förväg, medan ett beslutsträd i maskininlärning tränas fram från data. Reglerna hittas alltså av algoritmen utifrån exempel.

Är beslutsträd övervakad eller oövervakad inlärning?

Beslutsträd används oftast i övervakad inlärning. Det betyder att modellen tränas på exempel där rätt svar redan finns. Då kan trädet lära sig vilka frågor som brukar leda till rätt utfall.

Vad är skillnaden mellan beslutsträd och random forest?

Ett beslutsträd är en enda modell med en enda väg genom frågor och svar. Random forest består av många träd som tillsammans röstar eller tar medelvärde. Det gör modellen ofta stabilare än ett enskilt träd, men inte alltid bäst för varje problem.

Kan beslutsträd användas både för kategorier och siffror?

Ja. De används både för klassificering, där svaret är en kategori, och för regression, där svaret är ett tal. Hur kategoriska indata hanteras beror däremot på vilket verktyg eller bibliotek man använder.

Varför blir beslutsträd ibland fel?

Om träningsdatan är liten, sned eller brusig lär sig trädet mönster som inte håller på nya exempel. Ett för djupt träd kan också fastna i detaljer som bara råkar finnas i träningsdatan. Dessutom påverkas resultatet mycket av vilka egenskaper modellen får titta på från början.

Källor

Skriven av AI-redaktionen. Texten är researchad och faktakontrollerad mot källorna ovan.

Senast uppdaterad: 26 oktober 2026

Ser du något som är fel eller har blivit inaktuellt? Hör av dig så rättar vi.