Árbol de decisión

Árbol de decisión

1. Un árbol de decisión es un mapa de los posibles resultados de una serie de decisiones relacionadas. Permite que un individuo o una organización comparen posibles acciones entre sí según sus costos, probabilidades y beneficios. Se pueden usar para dirigir un intercambio de ideas informal o trazar un algoritmo que anticipe matemáticamente la mejor opción.

   • CARACTERISTICAS
     • Plantea el problema desde distintas perspectivas de acción.
     • Permite analizar de manera completa todas las posibles soluciones.
     • Provee de un esquema para cuantificar el costo del resultado y su probabilidad de uso.
     • Ayuda a realizar las mejores decisiones con base a la información existente y a las mejores suposiciones.
     • Su estructura permite analizar las alternativas, los eventos, las probabilidades y los resultados.
     • BENEFICIOS
       • permite analizar decisiones secuenciales basada en el uso de resultados y probabilidades asociadas. Los árboles de decisión se pueden usar para generar sistemas expertos, búsquedas binarias y árboles de juegos, los cuales serán explicados posteriormente.
         • DESVENTAJAS
           • Los aprendices de árbol de decisión tienden al sobreentrenamiento, especialmente cuando el número de características predictivas es alto
           • Son inestables: cualquier pequeño cambio en los datos de entrada puede suponer un árbol de decisión completamente diferente
           • No se puede garantizar que el árbol generado sea el óptimo
           • Hay conceptos que no son fácilmente aprendibles pues los árboles de decisión no son capaces de expresarlos con facilidad (como el operador XOR)
           • Los aprendices crean árboles sesgados si hay clases dominantes, por lo que se recomienda balancear el conjunto de datos antes de entrenar el aprendiz
           • PASOS PARA CREARLO
             • Comenzar estableciendo el objetivo general en la parte superior (raíz). Representa la decisión que se está intentando tomar.
             • Dibujar las flechas para cada curso de acción posible. Estas flechas salen de la raíz y deben hacer referencia a los costes asociados con cada acción, así como la probabilidad de éxito
             • Incluir nodos de hoja al final de las ramas. ¿Cuáles son los resultados de cada curso de acción? Si se debe tomar otra decisión, se dibuja un nodo de hoja cuadrada. Si el resultado es incierto, se dibuja un nodo de hoja circular.
             • Determinar las probabilidades de éxito de cada punto de decisión. Al crear un árbol de decisión, es importante investigar, para poder predecir con precisión la probabilidad de éxito.
             • Evaluar riesgo vs recompensa. Calcular el valor esperado de cada decisión en el árbol ayuda a minimizar el riesgo y aumentar la probabilidad de alcanzar un resultado favorable.
             • EXTRA
               • VENTAJAS
                 • Los árboles de decisión no son lineales, lo que significa que hay mucha más flexibilidad para explorar, planificar y predecir varios resultados posibles para cada curso de acción.
                 • Comunicación efectiva. Como demuestran visualmente las relaciones de causa y efecto, los árboles de decisiones proporcionan una vista simplificada, incluso de procesos potencialmente complicados.
                 • Objetividad. Los árboles de decisión se centran en la probabilidad y los datos, no en las emociones
                 • MIKE ALEXANDER RICHETTI SANTANA