28 - 03 - 2024

    Árboles de decisión son modelos intuitivos y efectivos en el aprendizaje

    arbol-decisionLos árboles de decisión son unos modelos usados en analítica que son efectivos en el campo del aprendizaje supervisado y, a la vez, intuitivos (especialmente en los escenarios de clasificación).

    El enfoque teórico que hay detrás de un árbol de decisión es el mismo esquema para clasificar cualquier elemento. De hecho, los árboles de decisión realizan la división de sus ramas (“esto es o puede ser una manzana”; “esto definitivamente no es una manzana”) en función de la información que proporcionen los atributos disponibles.

    Básicamente consiste en, a la hora de hacer una división, escoger el atributo menos homogéneo de todos. Por ejemplo, si todos los ejemplos son frutas, el atributo “fruta” no será escogido como método de discriminación porque, en ese caso, no habría ningún descarte.

    Para evitar lo contrario, es decir, seleccionar como atributo clasificatorio aquel que es distinto en todas las muestras y obtener un árbol con una rama por cada muestra, se lleva a cabo el ratio de ganancia, donde también se tiene en cuenta el número de opciones que tiene el atributo.

    Como en todo modelo, hay que buscar el equilibrio entre sesgo y varianza para poder utilizarlo para muestras futuras aun no clasificadas, lo que se consigue con una técnica denominada, “poda de las ramas”.

    Los árboles de decisión tienen, por el contrario, la limitación que su estructura otorga a la hora de clasificar; limitación que, por ejemplo, se suple con las redes neuronales.

    Por ello, hay que tener en cuenta el grado de conocimiento en analítica del usuario de la solución, es decir, si se prefiere una herramienta capaz de otorgar una gran precisión o algo fácil de entender, aun a riesgo de perder precisión.

    Los árboles de decisión se han resuelto como unas herramientas con mejor desempeño en la práctica, lo que unido a su fácil comprensión los convierten en una de las soluciones más frecuentemente usadas.

    Se han aplicado en multitud de campos, como determinar si un cliente podrá o no hacer cargo de un préstamo en función de sus características y el histórico de clientes, o evaluar el lanzamiento de una marca en un nuevo mercado en función de experiencias pasadas.

    Además, estos árboles permiten optimizar el uso eficiente de habitaciones de hospital en función de los atributos de los pacientes o definir la estrategia de marketing en una zona geográfica concreta.

    Ministro de Agricultura peruano considera necesario dar seguridad en inversiones agrícolas

    Pedidos de maquinaria auguran un repunte de inversión en Japón

    Deje un comentario

    Tu dirección de correo electrónico no será publicada.