PRCTICAS DE LA

UNIDAD II:
DIAGRAMAS
DE INFLUENCIA
I. PRESENTACIN
MATERIA: INTELIGENCIA ARTIFICIAL II
CLAVE: TIC-1003
EQUIPO NO:
PRCTICA 4: Diseo de un rbol de decisin aplicando el algoritmo ID3
PROFESOR: Dr. Jos a. Montero Valverde, Dra. Miriam Martnez Arroyo
FECHA:
UNIDAD II: Diagramas de influencia
COMPETENCIA (S):
Comprender y manejar el concepto de rboles de decisin.
Conocer los alcances y limitaciones de los rboles de decisin en la solucin de problemas.

II.INSTRUMENTACIN
MATERIAL:
Notas de clase
Problemas planteados.
EQUIPO:
Computadora personal.
Un sistema operativo acorde a los requerimientos solicitados para instalacin de weka.
HERRAMIENTAS:
Tener instalado el programa Weka.

III. ASPECTOS TERICOS

INTRODUCCIN:
La teora de la decisin implica combinar:
Teora de la probabilidad, para medir la incertidumbre de las alternativas.
Teora de la utilidad, para medir las preferencias de los decisores.
Un rbol de decisin es una representacin grfica de las alternativas disponibles para el agente y los aspectos
que son inciertos:

Un rbol de decisin tiene dos tipos de nodos:

Nodos aleatorios (crculos).

Nodos de decisin (cuadrados)

El rbol de decisin se puede ver como una gua para el tomador de decisiones:

Al encontrar un nodo de decisin debe seleccionar una de las alternativas

Al encontrar un nodo aleatorio no tiene control, la trayectoria est determinada por las probabilidades
Cada alternativa en un nodo aleatorio tiene asociada una probabilidad
Los nodos terminales (hojas) del rbol tienen un costo o utilidad (normalmente en unidades monetarias).

Para evaluar los rboles de decisin (ejemplo Figura 4.1):

Se inicia a partir de los nodos terminales (de las hojas hacia la raz):
Para los nodos aleatorios,
se calcula la utilidad (costo) esperado en funcin de los costos de cada alternativa y sus probabilidades
asociadas
Para los nodos de decisin,
se selecciona la alternativa de mayor utilidad (menor costo) esperado

DIAGRAMAS:

Figura 4.1. Ejemplo de evaluacin e un rbol de decisin.

BIBLIOGRAFA:
"induccin mediante rboles de decisin" , J. Ross Quinlan
http://www.ehowenespanol.com/tipos-arboles-decision-sobre_97878/
Heger, Dominique A. (2004), A Disquisition on The Performance Behavior of Binary Search Tree Data Structures,
European Journal for the Informatics Professional 5 (5)
Berlanga Silvente, V., Rubio Hurtado, M. J., Vil Baos, R. (2013). Cmo aplicar rboles de decisin en SPSS. [En lnea]
Vil, R. (2012). Arboles de decisin SPSS. octubre de 2012, en Depsito digital de la UB:
http://hdl.handle.net/2445/22282.
http://www.ecured.cu/index.php/%C3%81rbol_de_decisi%C3%B3n
http://www.altonivel.com.mx/36690-arbol-de-decision-una-herramienta-para-decidir-correctamente.html
http://www.estrategiamagazine.com/administracion/la-tecnica-del-arbol-para-la-toma-de-decisiones-efectivasherramientas/

IV. DESARROLLO
COMPETENCIAS ESPECFICAS:
Manejar conceptos relacionados a la teora de la informacin y su uso en los rboles de decisin.
Conocer qu tipo de problemas pueden ser representados y resueltos a travs de un rbol de decisin.
Aplicar los conceptos de toma de decisiones y probabilidad en la evaluacin de los rboles de decisin.
ACTIVIDADES A DESARROLLAR:
Resolver los siguientes ejercicios dibujando el rbol de decisin y aplicar el mtodo de evaluacin para
determinar la alternativa ms conveniente, en cada caso.
EJERCICIO 1: HARINAS S.A.

EJERCICIO 2. EL CONSULTOR

EJERCICIO 3: LOS PROYECTOS

EJERCICIO 4: PIEDRAS PRECIOSAS

EJERCICIO
: QU
5
HAGO CON MI DINERO

EJERCICIO 6: FAIR FAX

EJERCICIO 7: SURBOE

PRODUCTOS ENTREGABLES:
Resolver los ejercicios de la prctica, por equipo, segn sea su nmero, resolver el ejercicio correspondiente
para entregar en su cuaderno y compartirlo en clase con sus compaeros de los otros equipos.
Trabajo escrito (reporte de la prctica) con todos los ejercicios resueltos.

V. EVALUACIN

Altamente competente:
100.
Adelante con
tu
desempeo

Cumplimiento en la
entrega de la prctica
(tiempo establecido)
Presentacin de
prctica
(documentacin)

la

La entreg antes o en
la fecha establecida y
en
la
hora
establecida.
Acorde a los criterios y
formatos establecidos

RUBRICA

PRODUCTO: practica

Competente:
90.
Cumple
satisfactoriamente

Medianamente
competente: 80.
Precaucin, estn
elementos pero se
pueden mejorar

Segmento Rubrica

Prctica

La entreg
en la
fecha estipulada pero
fuera de la hora
establecida.
No presenta uno de
los criterios y formatos
establecidos

Lo
entreg
1
posterior a la fecha
establecida

Escasamente
Competente: 70.
los Precaucin,
estn
algunos elementos
hay que aprender
los faltantes

No competente.
Alerta, hay que
mejorar
para
aprender.

da Lo entreg ms de
dos das posterior a
la fecha establecida

No la entreg

Contenido

Recopil el 100% de
la
totalidad de los
puntos especificados
en la prctica.

Presentacin de la
prctica (ejecucin en
computadora)

Mostr la ejecucin
correcta del 100% de
las
actividades
requeridas.

No presenta tres o
ms de los criterios
y formatos
establecidos
Recopil el 90% de los Recopil el 80% de los Recopil el 70% de
ejercicios de
ejercicios de
los
ejercicios
programacin
programacin
de
semanales
y
los semanales
y
los programacin
resolvi
en
su resolvi en su totalidad.
semanales
y
totalidad.
los resolvi
en
su
totalidad.
Mostr la ejecucin
Mostr la ejecucin Mostr la ejecucin
correcta del 90% de las correcta de 80% de las correcta del 70% de
actividades
actividades requeridas.
las
actividades
requeridas.
requeridas.

Referencias
bibliogrficas

Presenta al menos 5
referencias o links de
internet

Presenta al menos 4
referencias o links de
internet

VI. FORMATO DEL REPORTE

1.
2.
3.
4.
5.
6.
7.

Portada
ndice
Introduccin
Marco terico
Desarrollo
Resultados
Conclusiones

No presenta dos de los

criterios y formatos
establecidos

Presenta al menos 3 Presenta al menos 2

referencias o links de
referencias o links
internet
de internet

No presenta ni el
50% de los criterios
y formatos
establecidos
Recopil menos del
70%
de
los
ejercicios de
programacin
semanales y no los
resolvi totalmente.

Mostr menos del

70%
de
la
ejecucin correcta
de las
actividades
requeridas
o
no mostr
ninguna.
No
Presenta
referencias o links
de internet

8.

Bibliografa

I. PRESENTACIN
MATERIA: INTELIGENCIA ARTIFICIAL II
CLAVE: TIC-1003
EQUIPO NO:
PRCTICA 5: Aprendizaje de un rbol de decisin
PROFESOR: Dr. Jos a. Montero Valverde, Dra. Miriam Martnez Arroyo
FECHA:
UNIDAD II: Diagramas de influencia
COMPETENCIA (S):
Aprender y aplicar una de las herramientas probabilsticas aplicadas en el diseo de sistemas computacionales
para el apoyo de la toma de decisiones.
Comprender y manejar el concepto de aprendizaje en los rboles de decisin, aplicar uno de los algoritmos
diseados para tal fin tal como el ID3.
Conocer los alcances y limitaciones de los rboles de decisin en la solucin de problemas.

II.INSTRUMENTACIN
MATERIAL:
Notas de clase
Ejemplo de
EQUIPO:
Computadora personal.
Un sistema operativo acorde a los requerimientos solicitados para instalacin de weka.
HERRAMIENTAS:
Tener instalado el programa Weka.

III. ASPECTOS
TERICOS
INTRODUCCIN:
Un rbol de decisin es un modelo de prediccin y/o clasificacin utilizado en el mbito de la inteligencia
artificial. Dada una base de datos se construyen diagramas de construcciones lgicas, similares a los sistemas
de prediccin basados en reglas, utilizadas para representar y categorizar una serie de condiciones que
ocurren de forma sucesiva durante la solucin de un problema. Es decir, un rbol de decisin representa una
disyuncin de conjunciones de restricciones sobre los valores de instancias de atributos, esto es equivalente a
un conjunto de reglas Si-Entonces, donde cada rama del rbol representa una regla. El consecuente de la regla
son conjunciones relacionadas con la prueba de atributos sobre los nodos, mientras el consecuente de la regla
indica la parte de la clasificacin.
Un rbol de decisin resulta apropiado para resolver problemas donde:
Las instancias son representadas por pares de valor-atributo, por ejemplo (color: amarillo, aspecto:
moteado, tamao: grande, ).
La funcin objetivo tiene valores de salida discretos.
Se pueden requerir descripciones disyuntivas.
Los datos de entrenamiento pueden contener errores.
Los rboles de decisin estn estructurados por tres elementos: nodos, ramas y hojas.
Un rbol de decisin puede ser diseado a travs de datos mediante un proceso de aprendizaje. Uno de los
algoritmos ms empleados para el aprendizaje es el ID3. Este algoritmo est categorizado como algoritmo de
induccin, el cual proporciona uno de los mtodos ms simples y con mejores resultados en el proceso de
aprendizaje automtico.
El propsito del aprendizaje en los rboles de decisin consiste en la representacin objetiva de conceptos en
base a sus atributos, a partir de un conjunto de ejemplos positivos y negativos. El rbol de decisin generado de
esta manera representa una funcin booleana, en la cual al introducir un nuevo concepto determina si
pertenece a la clase del concepto objetivo. Cada nodo interno del rbol representa un test sobre el valor de uno
de los atributos, y cada hoja especifica el valor booleano que ha de devolver el sistema si es que se llega hasta
ese punto.

DIAGRAMAS:

Figura 5: rbol de decisin aprendido en Weka Classifier

BIBLIOGRAFA:
WEKA Machine Learning Algorithms in Java (pdf).
http://archive.ics.uci.edu/ml/datasets.html
http://ccia.ei.uvigo.es/docencia/MRA/0910/practicas/practica -1/practica-1.html
Archivo JAR con la versin ARFF para WEKA del repositorio UCI (copia local)
-

IV. DESARROLLO
COMPETENCIAS ESPECFICAS:
Manejar conceptos relacionados a la teora de la informacin y su uso en los rboles de decisin.
Aplicar uno de los principales algoritmos de aprendizaje empleados en los rboles de decisin: ID3.
Manejar la plataforma para disear modelos probabilsticos WEKA con el fin de resolver problemas aplicando
el aprendizaje en rboles de decisin.
Seleccionar un problema del mundo real, determinar la existencia de repositorios en internet con el fin de
disear un modelo de solucin a travs del aprendizaje.
Conocer que tipo de problemas pueden ser representados y resueltos a travs de un rbol de decisin.
ACTIVIDADES A DESARROLLAR:
1) Aplicar el algoritmo ID3 para generar el rbol de decisin en forma manual a la Base de Datos de Car
Evaluation (extraida del Repositry UCI, en forma parcial y mostrada en la parte inferior de esta prctica).
2) Procesar el mismo archivo en Weka (BD parcial de Car Evaluation)
a. Seleccionar Explorar
b. Visualizar datos
c. Realizar comparativa entre lo obtenido manualmente y lo obtenido con Weka.
3) Extraer del Repository UCI (Machine Learning Repository) la BD de Car Evaluation completa
(http://archive.ics.uci.edu/ml/datasets/Car+Evaluation) con 1728 casos y procesar en Weka.
4) Procesar en Weka los ejemplos de clase y comentar resultados.
En la Base de Datos de Car Evaluation. el modelo evala coches de acuerdo con la estructura descrita a
continuacin. La BD consta 30 valores ejemplos extrados de la BD original de UCI. Posee 6 atributos y una
variable Clase. La variable Clase tiene 4 valores: unacc, acc, good, vgood. Adems del concepto destino
(CAR), el modelo incluye tres conceptos intermedios: PRECIO, TECH, CONFORT. Los valores de entrada de
cada variable se imprimen en minsculas.

PRODUCTOS ENTREGABLES:
- Trabajo escrito (reporte de la prctica)
- Archivo .arff
- Ejemplos en Weka

RUBRICA

PRODUCTO: practica

V. EVALUACIN
Altamente competente:
100.
Adelante con
tu
desempeo

Cumplimiento en la
entrega de la prctica
(tiempo establecido)
Presentacin de
prctica
(documentacin)

la

La entreg antes o en
la fecha establecida y
en
la
hora
establecida.
Acorde a los criterios y
formatos establecidos

Competente:
90.
Cumple
satisfactoriamente

Medianamente
competente: 80.
Precaucin, estn
elementos pero se
pueden mejorar

Segmento Rubrica

Prctica

La entreg
en la
fecha estipulada pero
fuera de la hora
establecida.
No presenta uno de
los criterios y formatos
establecidos

Lo
entreg
1
posterior a la fecha
establecida

Escasamente
Competente: 70.
los Precaucin,
estn
algunos elementos
hay que aprender
los faltantes

No competente.
Alerta, hay que
mejorar
para
aprender.

da Lo entreg ms de
dos das posterior a
la fecha establecida

No la entreg

Contenido

Recopil el 100% de
la
totalidad de los
puntos especificados
en la prctica.

Presentacin de la
prctica (ejecucin en
computadora)

Mostr la ejecucin
correcta del 100% de
las
actividades
requeridas.

No presenta tres o
ms de los criterios
y formatos
establecidos
Recopil el 90% de los Recopil el 80% de los Recopil el 70% de
ejercicios
ejercicios de
los
ejercicios
de
programacin
de
programacin
semanales
y
los programacin
semanales
y
los resolvi en su totalidad.
semanales
y
resolvi
en
su
los resolvi
totalidad.
en
su
totalidad.
Mostr la ejecucin
Mostr la ejecucin Mostr la ejecucin
correcta del 90% de las correcta de 80% de las correcta del 70% de
actividades
actividades requeridas.
las
actividades
requeridas.
requeridas.

Referencias
bibliogrficas

Presenta al menos 5
referencias o links de
internet

Presenta al menos 4
referencias o links de
internet

VI. FORMATO DEL REPORTE

1)
2)
3)
4)
5)
6)
7)

8)

Portada
ndice
Introduccin
Marco terico
Desarrollo
Resultados
Conclusiones
Bibliografa

No presenta dos de los

criterios y formatos
establecidos

Presenta al menos 3 Presenta al menos 2

referencias o links de
referencias o links
internet
de internet

No presenta ni el
50% de los criterios
y formatos
establecidos
Recopil menos del
70%
de
los
ejercicios de
programacin
semanales y no los
resolvi totalmente.

Mostr menos del

70%
de
la
ejecucin correcta
de las
actividades
requeridas
o
no mostr
ninguna.
No
Presenta
referencias o links
de internet