Uso del árbol de decision

• 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