ÁRBOLES DE DECISIÓN

ÁRBOLES DE DECISIÓN

1. Definición

   • Los árboles de decisión son un algoritmo de aprendizaje automático que se utiliza en la ciencia de datos para procesar grandes volúmenes datos y solventar problemas.
   • Son algoritmos estadísticos o técnicas de machine learning que nos permiten la construcción de modelos predictivos de analítica de datos para el Big Data basados en su clasificación según ciertas características o propiedades, o en la regresión mediante la relación entre distintas variables para predecir el valor de otra

2. Modelos de Clasificación

   • Queremos predecir el valor de una variable mediante la clasificación de la información en función de otras variables (tipo, pertenencia a un grupo…).
   • Por ejemplo, queremos pronosticar qué personas comprarán un determinado producto, clasificando entre clientes y no clientes, o qué marcas de portátiles comprará cada persona mediante la clasificación entre las distintas marcas
   • Los valores a predecir son predefinidos, es decir, los resultados están definidos en un conjunto de posibles valores

3. Modelos de Regresión

   • Se intenta predecir el valor de una variable en función de otras variables que son independientes entre sí.
   • Por ejemplo, queremos predecir el precio de venta del terreno en función de variables como su localización, superficie, distancia a la playa, etc
   • El posible resultado no forma parte de un conjunto predefinido, sino que puede tomar cualquier posible valor.

4. Estructura

   • Está formada por ramas y nodos de distintos tipos:
   • Los nodos internos representan cada una de las características o propiedades a considerar para tomar una decisión.
   • Las ramas representan la decisión en función de una determinada condición (p. ej. probabilidad de ocurrencia).
   • Los nodos finales representan el resultado de la decisión.

5. Para qué se utilizan

   • Los árboles de decisión se emplean generalmente en Big Data para predecir la probabilidad de conseguir un determinado resultado en base a ciertas condiciones (incertidumbre).
   • Ejemplo1: Hacer estimaciones de las primas de seguros a cobrar a los asegurados.
   • Ejemplo2: Predecir si se le debe ofrecer un determinado producto a una persona

Bilder und Dateien der Mindmap