Waarom is dit belangrijk?
Voorspellingen op basis van veel gegevens worden zo een reeks duidelijke stappen, zonder dat iemand zelf een formule hoeft uit te rekenen. In de zorg zetten onderzoekers een beslisboom in bij diagnostische tests, om te zien welke kenmerken op een aandoening wijzen. Patiënten en zorgmedewerkers kunnen die inschatting nalopen, maar het model kan de geleerde gegevens te strak volgen en iemand verkeerd indelen.
Zo werkt het in de praktijk
Onderzoekers vatten met een beslisboom energiescenario's uit een IPCC-rapport samen in lijnen over verwarming en industrie. In een wooncomplex in Bandung voorspelt een beslisboom of een bewoner de waterrekening te laat betaalt.
Aan de KU Leuven beschrijven informatici hoe een beslisboom kort en controleerbaar kan blijven. Zij bespreken methoden die bij het leren eisen voor eerlijkheid en stabiliteit meenemen. Dit werk valt onder verantwoorde AI, waarbij een model uitlegbaar en veilig moet blijven.
CRISP-DM is een vaste werkwijze in zes stappen. Die loopt van de vraag en de gegevens begrijpen tot het bouwen en testen van het model. In Oost-Jakarta volgen onderzoekers die stappen om te toetsen wie sociale steun voor ouderen kan krijgen.




