Árbol de decisión ejemplo

Los árboles de decisión son una herramienta muy descriptiva y potente para extraer patrones de los datos.

Por ejemplo, consideremos un caso en el campo de la medicina en el que se desea averiguar qué condiciones de un paciente concreto conducen a un paciente de alto riesgo. ¿Qué combinación de características podría utilizar para describirlos?

También podemos ver estas combinaciones en forma de "árbol" que puede comprobarse gráficamente.

En el ámbito del deporte, qué características del deportista le hacen más o menos propenso a las lesiones.

Ahora te contamos más en este artículo.

Como hacer un árbol de decisión

Muy fácil de usar y una herramienta muy útil.

¿Qué es un árbol de decisión y para qué sirve (pregunta estándar antes de empezar)?

Para entenderlo, le daremos tres ejemplos con los resultados de los árboles de decisión para que pueda comprender rápidamente su utilidad y contenido.

Primer ejemplo.

Ejemplo 1: ¿Qué característica o combinación de características puede clasificar una especie de flor?

Aquí comprobamos si se puede encontrar una combinación de características para clasificar una especie floral.

En este caso, las variables son la anchura y la longitud del pétalo y del sépalo.

Dinámica de toma de decisiones

Y tiene tres tipos de datos de observación: versicolor, virginica y cetosa.

Este es un ejemplo típico de "iris", jejeje.

¿Es más importante la anchura del pétalo que su longitud?

¿O debería preocuparme más por la anchura que por la longitud de la flor?

...

Todo esto puede representarse en un simple árbol.

Aquí están los resultados.

Este es el árbol de decisión para este ejemplo.

Los nombres setosa, versicolor y virginica representan las tres especies con flor estudiadas.

A continuación, pueden interpretarse tres vías de decisión.

• Senda 1: Si la longitud del pétalo es de 2,5, lo más probable es que se trate de una setosa.
• Senda 2: Versicolor si la longitud de los pétalos es superior a 2,5 y la anchura de los pétalos es inferior a 1,8.
• Pass 3: Virginica si la longitud de los pétalos es superior a 2,5 y la anchura de los pétalos es superior a 1,8.

¿Puedes verlo?

Qué bonito 🙂 .

Se obtuvieron resultados interesantes.

Coges ideas para utilizar esta técnica en tu proyecto 🙂 .

Los árboles de decisión son una técnica de aprendizaje automático supervisado que se utiliza en muchas organizaciones. Como su nombre indica, es una técnica de aprendizaje automático en la que se toman una serie de decisiones en forma de árbol. El nodo central (rama) representa la solución. El último nodo (hoja) nos da la predicción que buscamos.

Los árboles de decisión pueden utilizarse para resolver problemas tanto de clasificación como de regresión. Veamos cómo se utilizan en cada caso, con ejemplos.

Datos para la clasificación - Iris

Para ilustrar cómo funcionan los árboles de decisión en problemas de clasificación, utilizamos el conjunto de datos Iris. La tarea consiste en clasificar correctamente las variedades de flores de iris en función de la anchura y la longitud de los pétalos y los sépalos. Existen tres tipos de flores de iris: setosa, versicolor y virginica.

Este registro contiene 150 especímenes.

• 50 Iris setosa.
• 50 iris
• 50 Iris Virginian

Teoría del árbol de decisión para la clasificación

Al pasar las 150 flores del conjunto de datos del iris al árbol de decisión para su clasificación, se obtiene el siguiente árbol Lectura.

• Cada color representa una clase: setosa es marrón, versicolor es verde y virginica es púrpura.
• Cuanto más oscuro sea el color, más correcta será la clasificación.
• La detección es menos segura porque se trata de un nodo blanco.
• Existen dos tipos de nódulos.
  • Nodos de decisión: tienen una condición al principio y otro nodo debajo.
  • Nodo predictivo: no tiene condiciones ni nodos por debajo. También llamado "nodo hijo".

La información de cada nodo es la siguiente.

• Condición: si el nodo es un nodo en el que se toma una decisión.
• GINI: Es un indicador de impureza. Veamos ahora cómo se calcula
• Muestras: número de muestras que cumplen las condiciones necesarias para llegar a este nodo.
• Valor: el número de muestras de cada clase que llegan a este nodo.
• Clase: ¿Qué clase se asigna a las muestras que llegan a este nodo?

Si quieres conocer otros artículos parecidos a Árbol de decisión ejemplo puedes visitar la categoría Decisión Árbol.