• 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. Ventajas • Son muy fáciles de entender • Pueden ser útiles con o sin datos fehacientes, y cualquier dato requiere una preparación mínima • Se pueden agregar nuevas opciones a los árboles existentes • Su valor al seleccionar la mejor de numerosas opciones • Se combinan fácilmente con otras herramientas de toma de decisiones Pero también tienen algunas desventajas: • Cuando se presentan datos categóricos con múltiples niveles, la información obtenida se inclina a favor de los atributos con mayoría de niveles. • 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. Aplicación de la tecnología Los Árboles de Decisión se pueden utilizar para modelizar problemas de Clasificación - Binaria (fraude vs no fraude) - Multiclase (niveles de satisfacción: completamente, bastante, poco satisfecho, totalmente insatisfecho) Regresión - Pagos que realiza una compañía de seguros - - Gasto mensual de los clientes de una cadena de supermercados