introducción a los Árboles de Decisión

Los árboles de decisión son una de las técnicas de Machine learning

más utilizadas. El objetivo es crear un modelo que prediga el valor o
clase de una observación a partir de reglas de decisión obtenidas de
datos anteriores. El uso es tan amplio que diferentes profesionales
utilizan esta herramienta para generar estrategias de negocios, así
como otros la utilizan para realizar diagnósticos médicos.

El modelo está formado por una serie de decisiones lógicas similares

a las de un diagrama de flujo. El árbol comienza con un nodo llamado
“nodo raíz”, en este y en los nodos internos se toman las decisiones
basado en diferentes atributos, las ramas indican las decisiones
tomadas. Al final del árbol de decisión se encuentran los nodos
terminales, que representan el resultado de seguir una combinación
de decisiones. Alternativamente, el nodo terminal puede tener
asociada una probabilidad de que el valor meta tome cierto valor.

Esta técnica puede ser utilizada para predecir variables categóricas y

continuas, y suelen ser llamados árboles de clasificación y regresión
respectivamente. Con el fin de tener más claro el concepto, a
continuación se presenta un ejemplo de un banco que utiliza un árbol
de decisión para decidir si le debería ofrecer un préstamo a una
persona.
La estrategia para construir un árbol de decisión es un método
heurístico llamado partición recursiva. La idea es que conforme se
avance en el árbol de decisión se formen grupos cada vez más
uniformes,en donde predomine una clase o un valor. En el ejemplo
anterior estos grupos son; personas a las que fue acertado ofrecerles
un préstamo y las que no. De esta manera, se encuentran patrones
que son utilizados para realizar predicciones con aplicantes nuevos.

Definición de Árbol de Decisión

Técnica que permite analizar decisiones secuenciales basada en el uso de

resultados.

Los árboles de decisión se pueden usar para generar sistemas expertos,

búsquedas binarias y árboles de juego.

Las ventajas de un árbol de decisión son:

Facilita la interpretación de la decisión adoptada.

Proporciona un alto grado de comprensión del conocimiento utilizado en la

toma de decisiones.

Explica el comportamiento respecto a una determinada tarea de decisión.

Reduce el número de variables independientes.

Es una magnifica herramienta para el control de la gestión empresarial.

Árboles de Decisión Binarios

-En un árbol de decisión los nodos internos almacenan preguntas y las hojas
almacenan posibles respuestas finales. En función de las respuestas a las
preguntas de los nodos internos, se va describiendo un camino en el árbol
que va desde la raíz hasta una hoja que contendrá la conclusión del sistema.
Para ilustrar la operación de un árbol de decisión consideremos las
siguientes heurísticas en la selección del vino apropiado para servir con un
alimento:

• SI el plato principal es carne roja

• ENTONCES servir vino tinto
• SI el plato principal es ave y es pavo
• ENTONCES servir vino tinto
• SI el plato principal es ave y no es pavo
• ENTONCES servir vino blanco
• SI el plato principal es pescado
• ENTONCES servir vino blanco

Árboles de Decisión con Varias Ramas

Los árboles de decisión binarios dificultan la representación dificultan la

representación de una decisión que permita un conjunto de respuestas o
casos.

Un nodo de decisión capaz de permitir ramas múltiples daría una solución

más directa.

Árboles de Decisión que Aprenden

Un árbol de decisión con aprendizaje es un árbol con decisión en el que si la
conclusión a la que se llega es errónea (desde el punto de vista del usuario)
se pasa a un proceso de aprendizaje en el que, con ayuda del usuario, se
modifica el árbol para que considere la nueva posibilidad.

En este caso consideraremos árboles de decisión binarios, es decir, tales

que las posibles respuestas a las preguntas almacenadas en los nodos
internos son "si" o "no".