ARBOLES DE DESISION

Los árboles de decisión son una técnica popular y poderosa dentro del aprendizaje supervisado en
la ciencia de datos y el aprendizaje automático. Son fáciles de entender e interpretar, y pueden ser
usados tanto para tareas de clasificación como de regresión. Aquí te explico cómo funcionan y
algunos de sus aspectos clave:

¿Qué es un árbol de decisión?

Un árbol de decisión es un modelo predictivo que divide el conjunto de datos en subconjuntos

más pequeños basándose en decisiones sucesivas sobre los atributos de los datos. Esta estructura
se visualiza como un árbol en el que cada nodo representa una decisión basada en una
característica, cada rama representa el resultado de esa decisión, y cada hoja del árbol representa
una etiqueta o valor de predicción.

Componentes de un árbol de decisión

 Nodo raíz: Representa la población total o muestra completa, y se divide en dos o más
subconjuntos homogéneos.

 Nodo de decisión: Nodo que se divide en nodos adicionales.

 Nodo hoja/terminal: Nodos que no se dividen y que contienen la etiqueta de predicción

final o el valor de resultado.

 Ramas: Conexiones entre nodos, que representan la decisión tomada.

Construcción de un árbol de decisión