Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Teoría Arboles

    Cargado por

    ALISON ELIZABETH HUAPAYA CAYCHO
    15 vistas27 páginas
    El documento habla sobre árboles de decisión para respuesta binaria. Explica cómo estimar árboles de decisión mediante medidas de impureza y cómo evaluar el error de estimación. También cubre técnicas como bagging y random forests que usan múltiples árboles de decisión para mejorar el rendimiento de clasificación.

    Descripción original:

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    El documento habla sobre árboles de decisión para respuesta binaria. Explica cómo estimar árboles de decisión mediante medidas de impureza y cómo evaluar el error de estimación. También cubre técnicas como bagging y random forests que usan múltiples árboles de decisión para mejorar el rendimiento de clasificación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    15 vistas27 páginas

    Teoría Arboles

    Cargado por

    ALISON ELIZABETH HUAPAYA CAYCHO
    El documento habla sobre árboles de decisión para respuesta binaria. Explica cómo estimar árboles de decisión mediante medidas de impureza y cómo evaluar el error de estimación. También cubre técnicas como bagging y random forests que usan múltiples árboles de decisión para mejorar el rendimiento de clasificación.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 27

    UNIVERSIDAD NACIONAL DE INGENIERÍA

    Facultad de Ingeniería Económica, Estadística y CCSS


    Aprendizaje Estadístico
    MSC y MBA Manuel Valdivia Carbajal
    Arboles de Decisión para Respuesta Binaria
    Características:
    Estimación - Gráfica:
    Estimación I:
    Medidas de impureza para cada nodo
    Medidas de impureza del árbol
    Ejemplo 1:

    ¿Cuál es la mejor variable que discrimina la clase (Con esa variable debería comenzar el árbol)?
    Ejemplo 2:
    ¿La variable E2 es numérica, en que punto del domino debería partir la variable?
    Haciendo otro corte más
    Comentarios generales I
    Comentarios generales II
    Comentarios generales III
    Comentarios generales IV
    Error de estimación I
    Error de estimación II
    Bagging I
    Bagging II
    Random Forests I
    Random Forests II
    Random Forests III
    UNIVERSIDAD NACIONAL DE INGENIERÍA
    Facultad de Ingeniería Económica, Estadística y CCSS
    Aprendizaje Estadístico
    MSC y MBA Manuel Valdivia Carbajal

    También podría gustarte