Documentos de Académico
Documentos de Profesional
Documentos de Cultura
¿Qué Es Un Diagrama de Árbol de Decisión - Lucidchart
¿Qué Es Un Diagrama de Árbol de Decisión - Lucidchart
Índice
¿Qué es un árbol de decisión?
Ventajas y desventajas
¿Necesitas analizar una decisión compleja? Intenta usar un árbol de decisión. Sigue leyendo para
conocer todo sobre los árboles de decisión: qué son, cómo se usan y cómo crear uno.
7 minutos de lectura
¿Quieres crear tu propio árbol de decisión? Prueba Lucidchart. Es rápido, sencillo y totalmente
gratis.
Un árbol de decisión, por lo general, comienza con un único nodo y luego se ramifica en
resultados posibles. Cada uno de esos resultados crea nodos adicionales, que se ramifican en
otras posibilidades. Esto le da una forma similar a la de un árbol.
Hay tres tipos diferentes de nodos: nodos de probabilidad, nodos de decisión y nodos
terminales. Un nodo de probabilidad, representado con un círculo, muestra las probabilidades
de ciertos resultados. Un nodo de decisión, representado con un cuadrado, muestra una
decisión que se tomará, y un nodo terminal muestra el resultado definitivo de una ruta de
decisión.
Los árboles de decisión también se pueden dibujar con símbolos de diagramas de flujo,que a
algunas personas les parecen más fáciles de leer y comprender.
1. Comienza con la decisión principal. Dibuja un pequeño recuadro para representar este punto,
luego dibuja una línea desde el recuadro hacia la derecha para cada posible solución o acción.
Etiquétalas correctamente.
2. Agrega nodos de decisión y probabilidad para expandir el árbol del siguiente modo:
Desde cada nodo de decisión, dibuja soluciones posibles. Desde cada nodo de probabilidad,
dibuja líneas que representen los resultados posibles. Si deseas analizar tus opciones de forma
numérica, incluye la probabilidad de cada resultado y el costo de cada acción.
3. Continúa con la expansión hasta que cada línea alcance un extremo, lo que significa que no
hay más decisiones que tomar o resultados probables que considerar. Luego, asigna un valor a
cada resultado posible. Puede ser una puntuación abstracta o un valor financiero. Agrega
triángulos para indicar los extremos.
Con un árbol de decisión completo, ya estás listo para comenzar a analizar la decisión que
enfrentas.
Crear diagramas es rápido y sencillo con Lucidchart. Inicia una prueba gratuita hoy mismo para
empezar a crear y colaborar.
Genera un árbol de decisión
Para calcular la utilidad esperada de una decisión, solo debes restar el costo de esa decisión a
los beneficios esperados. Los beneficios esperados son iguales al valor total de todos los
resultados que puedan derivar de esa decisión, y cada valor se multiplica por la probabilidad de
que ocurra. A continuación te mostraremos cómo nosotros calcularíamos estos valores para el
ejemplo descrito anteriormente:
Al identificar cuál es el resultado más deseable, es importante tener en cuenta las preferencias
de utilidad del encargado de tomar la decisión. Por ejemplo, algunos prefieren opciones de bajo
riesgo, mientras que otros están dispuestos a correr riesgos si el beneficio es mayor.
De este modo, un árbol de decisión se puede emplear como un diagrama de árbol tradicional,
que traza las probabilidades de determinados eventos, como lanzar una moneda dos veces.
Ventajas y desventajas
Los árboles de decisión siguen siendo populares por razones como las siguientes:
Pueden ser útiles con o sin datos fehacientes, y cualquier dato requiere una preparación
mínima
Sin embargo, los árboles de decisión pueden volverse excesivamente complejos. En esos casos,
un diagrama de influencia más compacto puede ser una buena alternativa. Los diagramas de
influencia se enfocan en los objetivos, las entradas y las decisiones fundamentales.
Árboles de decisión en minería de datos y aprendizaje
automático
Un árbol de decisión también puede usarse para ayudar a crear modelos predictivos
automatizados, que puedan emplearse en el aprendizaje automático, la minería de datos y las
estadísticas. Conocido como "el aprendizaje basado en árboles de decisión", este método toma
en consideración las observaciones sobre un elemento para predecir su valor.
En estos árboles de decisión, los nodos representan datos en lugar de decisiones. Este tipo de
árbol también se conoce como "árbol de clasificación". Cada ramificación contiene un conjunto
de atributos o reglas de clasificación asociadas a una etiqueta de clase específica, que se halla
al final de la ramificación.
Estas reglas, también conocidas como "reglas de decisión", se pueden expresar en una cláusula
"Si... entonces...". Cada valor de datos o decisión forma una cláusula, de tal manera que, por
ejemplo, "si las condiciones 1, 2 y 3 se cumplen, entonces el resultado X será el resultado
definitivo con certeza Y".
Cada dato adicional ayuda a que el modelo prediga de forma más precisa a qué conjunto finito
de valores pertenece el asunto en cuestión. Esa información se puede usar posteriormente
como una entrada en un modelo más grande de toma de decisiones.
A veces la variable predicha será un número real, como un precio. Los árboles de decisión con
resultados posibles, infinitos y continuos se llaman "árboles de regresión".
Para una mayor precisión, se suelen combinar múltiples árboles con métodos de ensamblado:
Los árboles en una Selva aleatoria (Rotation Forest) se entrenan mediante el uso del análisis
de componentes principales (ACP) en una porción aleatoria de los datos.
Un árbol de decisión se considera ideal cuando representa la mayor cantidad de datos con el
menor número de niveles o preguntas. Los algoritmos diseñados para crear árboles de decisión
optimizados incluyen CART, ASSISTANT, CLS y ID3/4/5. Un árbol de decisión también se puede
generar mediante la creación de reglas de asociación, ubicando la variable objetivo a la
derecha.
Cada método debe determinar cuál es la mejor forma de dividir los datos en cada nivel. Los
métodos comunes para hacerlo incluyen la medición de la impureza de Gini, la obtención de
información y la reducción de variaciones.
El costo del uso del árbol para predecir los datos disminuye con cada punto de datos
adicional.
Usa un modelo de caja blanca (lo que hace que los resultados sean fáciles de explicar).
Tiende a ser preciso independientemente de si viola las suposiciones de los datos de origen.
Los cálculos pueden volverse complejos al lidiar con la falta de certezas y numerosos
resultados relacionados.
Las conjunciones entre nodos se limitan a AND, mientras que los gráficos de decisión admiten
nódulos relacionados mediante OR.
Recursos útiles
Cómo crear un diagrama de árbol de decisión
Quizás te enfrentes a muchas decisiones difíciles, pero realizar un árbol de decisión no lo es. El
software de creación de diagramas en línea de Lucidchart facilita el desglose de las decisiones
complejas de forma visual.
¿Quieres crear tu propio árbol de decisión? Prueba Lucidchart. Es rápido, sencillo y totalmente
gratis.