1_Árbol de decisión

1_Árbol de decisión

1. ¿Qúe es?

   • Conjunto de condiciones o reglas organizadas en una estructura jerarquica
     • Clasificación
       • Algoritmos
         • C45
           • Basado en
             • ID3
               • Cualquier conjunto de datos con variables discretas
           • Genera reglas de árbol a partir de subconjuntos de casos extraídos del conjunto total de datos
             • Algoritmo
               • Para cada posible valor del resultado vj Obtener estimación p'(vj) de la propabilidad p(vj) Para cada valor ai de cada atributo a Obtener estimación p'(ai/vj) de la probabilidad P(ai/vj)
         • CART
           • Basado en el algoritmo Hunt
             • Se basa en la división binaria de los atributos
         • OC1
           • El algoritmo OC1 construye árboles de decisión oblicuos
             • Esto son
               • Aquellos en los que se permiten pruebas en los nodos del árbol que son combinación lineal de los atributos
         • SLIQ
           • Es un algoritmo rápido que puede ser implementado en el patrón de serie o paralelo
             • Usa un tipo de clasificación previa durante la fase de construcción del árbol
             • La amplitud como estrategía de crecimiento
             • Prueba de bondad - índice de Gini
             • Algoritmo de árboles de bajo costo dependiendo de la duración mínima (MDL)
         • SPRINT
           • Es una mejora de SLIQ ya que se puede implementar en tanto patrón de serie y paralelo
             • Utiliza una especie de tiempo los elementos de datos y que no tiene ninguna restricción en el tamaño de los datos de entrada.
               • Puede manejar los atributos continuos y categóricos
     • Algunas aplicaciones
       • Evaluación de materiales para fabricación de productos químicos.
       • Optimización de la producción, proceso en el mecanizado electroquímico
       • Ingeniería biomédica, identificación de caracteristicas para ser utilizados en dispositivos.
       • Astronomía:El uso de árboles de decisión para el filtrado de ruido de las imágenes telescopio espacial Hubble.
     • Algunas aplicaciones
       • Biología molecular: el análisis de las secuencias de aminoácidos en el proyecto del genoma humano
       • Famacología:El desarrollo de un análisis de la eficacia del fármaco.
       • Planeación: Programación de las líneas de montaje de placas de circuitos impresos.
       • Medicina: Análisis del síndrome de muerte súbita del lactante

2. ¿Qué hace un buen árbol de decisión?

   • No hay necesidad de incluir suficientes atributos para manejar distinciones sutiles, posiblemente, en los datos.
   • No tan grande
   • -La eficiencia computacional (evite atributos redundantes, espurios) -
   • Evitar los ejemplos, más ajustada de formación (ruidosos, datos escasos)
   • Navaja de Occam: Aleta hipótesis más simple (árbol) que es consistente con todas las observaciones.
   • Árboles de estructura diagonal pequeña inductivos, con nodos informativos cerca de la raíz