预计阅读本页时间：-
7.2.3 决策树是如何起作用的
决策树（decision trees）在分析雇用、营销、投资、购买设备、定价和其他类似的分级决策时是一种非常行之有效的方法。之所以称为决策树，是因为当用图形表示这种方法时，看上去就像一株有许多枝干的树一样。典型的决策树包括期望值分析，这种方法为每一可能的结果分配概率，并计算每一决策路径的收益。
图7-2列出迈克·弗林（Mike Flynn）所面临的决策，他是巴诺连锁书店（Barnes＆Noble bookstore chain）中西部地区负责店址选择的主管。迈克管理着一个专家小组，他们负责分析潜在的店址并向中西部地区总裁建议店址选择。公司在克利夫兰和俄亥俄州的店的租赁合同即将到期，而房主决定不再续签。迈克和他的团队需要向地区总裁提出一个新的选址建议。
迈克的团队在北阿姆斯特德（North Olmsted）的购物中心附近找到了一个非常好的地址。购物中心所有者给他提供了两个备选方案：一个是12000平方英尺（和他现在的相同），另外一个大一点，20000平方英尺。迈克最初需要做出的决策是推荐大一点的还是小一点的地方。如果他选择大一点的地方，在经济环境好时，他预计商店会获得320000美元的利润，在经济环境差时，大商店高的运营成本意味着只能获得50000美元的利润。小一点的商店他预计在经济环境好时会获得240000美元的利润，而在经济环境差时会获得30000美元的利润。
广告：个人专属 VPN，独立 IP，无限流量，多机房切换，还可以屏蔽广告和恶意软件，每月最低仅 5 美元
从图7-2中你可以看出，大一点的商店期望值是239000美元，小一点的商店的期望值是207000美元。根据这些结果，迈克打算推荐租赁大一点的商店。但是如果迈克想要考虑最初租赁小一点的商店，然后在经济发展加快时进行扩张，这时情况会变成怎样？他可以扩展决策树，加入这第二个决策节点。他计算了三种情形：没有扩张、增加4000平方英尺[1]和增加8000平方英尺。按照决策节点1的方法，他也可以计算扩展了的决策树枝干的潜在利润和不同选择的期望值。
[1]1平方英尺=0.093平方米。
