Á rboles de Decisió n en CLIPS

INTEGRANTES:
• Rivas Plata Poma, Clark Evan
• Nieto Alvarado, Nicolas
• Lozada Vargas, Pablo
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Introducció n
• Como forma de representación del conocimiento, los árboles
de decisión destacan por su sencillez. A pesar de que carecen
de la expresividad de las redes semánticas o de la lógica de
primer orden, su dominio de aplicación no está restringido a
un ámbito concreto sino que pueden utilizarse en diversas
áreas: diagnóstico médico, juegos, predicción meteorológica,
control de calidad, etc.

• Entre las facilidades de utilizar un árbol de decisiones

podemos encontrar que nos permite plantear claramente el
problema de tal manera que todas las opciones sean
analizadas, hacer un análisis rápido de todas las consecuencias
de las posibles decisiones.
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Definició n de Á rbol de Decisió n
• Técnica que permite analizar decisiones secuenciales basada
en el uso de resultados.
• Los árboles de decisión se pueden usar para generar sistemas
expertos, búsquedas binarias y árboles de juego.
• Las ventajas de un árbol de decisión son:
 Facilita la interpretación de la decisión adoptada.
 Proporciona un alto grado de comprensión del conocimiento
utilizado en la toma de decisiones.
 Explica el comportamiento respecto a una determinada tarea de
decisión.
 Reduce el número de variables independientes.
 Es una magnifica herramienta para el control de la gestión
empresarial.
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Elementos del Á rbol de Decisió n
Nodos
• Representan ubicaciones en el árbol.

Raíz
• Nodo donde se inicia el recorrido del árbol de decisión.

Ramas
• Conectan los nodos padre con los nodos hijos.

Hoja
• Nodo del árbol que no tiene sucesores.
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Á rboles de Decisió n Binarios
• En un árbol de decisión los nodos internos almacenan preguntas y
las hojas almacenan posibles respuestas finales. En función de las
respuestas a las preguntas de los nodos internos, se va describiendo
un camino en el árbol que va desde la raíz hasta una hoja que
contendrá la conclusión del sistema.
 Para ilustrar la operación de un árbol de decisión consideremos las siguientes heurísticas en la
selección del vino apropiado para servir con un alimento:

• SI el plato principal es carne roja

• ENTONCES servir vino tinto

• SI el plato principal es ave y es pavo

• ENTONCES servir vino tinto

• SI el plato principal es ave y no es pavo

• ENTONCES servir vino blanco

• SI el plato principal es pescado

• ENTONCES servir vino blanco
¿El plato
principal es

SI
carne roja? NO
El mejor color es ¿El plato
tinto principal es ave?

SI NO
¿El plato ¿El plato
principal es principal es
pavo? pescado?
SI NO SI NO
El mejor color es El mejor color es El mejor color es El mejor color es
tinto blanco blanco el
Problema 1
• (deffacts datos
• (clase t)
• (rama sangre-caliente si) El animal es un
reptil
• (rama ronronea si))
NO
¿El animal es de El animal es un
• (defrule mamifero sangre caliente? perro
• (clase t) Si

NO
• (rama sangre-caliente si) ¿El animal
• => ronronea?
• (assert (clase mamifero)))

SI
El animal es un
• (defrule reptil gato
• (clase t)
• (rama sangre-caliente no)
• =>
• (assert (solucion reptil))
• (printout t "El animal es un reptil" crlf))

• (defrule gato
• (clase mamifero)
• (rama ronronea si)
• =>
• (assert (solucion gato))
• (printout t "El animal es un gato" crlf))

• (defrule perro
• (clase mamifero)
• (rama ronronea no)
• =>
• (assert (solucion perro))
• (printout "El animal es un perro" crlf))
Problema 2
• Cada Nodo debe de estar compilado en una regla.
• No hay interacción con el usuario.
Solució n – Problema 2
Problema 3
Árbol Familiar
• Se pretende diseñar un SE que, en base a unos
datos de entrada con unas relaciones familiares
elementales, sea capaz de deducir el resto de
relaciones entre las personas que se le dan.
El problema puede complicarse bastante, pues
es preciso controlar una gran serie de
relaciones, así como el hecho de que las
personas pueden ser hombre o mujer, y el tipo
de relación variará (no será lo mismo sobrino
que sobrina, por ejemplo).
Para simplificar un poco el SE, vamos a suponer
que el programa solo va admitir como hechos
de entrada las relaciones progenitor-de (si se
trata de padre o madre lo deducirá él mediante
las reglas que se implementen), hombre, mujer
y marido-de. En cuanto al resto de relaciones
familiares, se implementarán reglas para
determinar ésta independientemente del sexo,
y posteriormente otras que hallarán la relación
definitiva, teniendo en cuenta el sexo.
Solució n–Problema 3
Problema 3 - Solució n
Problema 4
• Representar los nodos del siguiente árbol de decisión como
hechos en CLIPS:
Solució n – Problema 4
Solució n – Problema 4
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Á rboles de Decisión con Varias Ramas

• Los árboles de decisión binarios dificultan la

representación dificultan la representación de una
decisión que permita un conjunto de respuestas o casos.

• Un nodo de decisión capaz de permitir ramas múltiples

daría una solución más directa.
Á rboles de Decisión con Varias Ramas

• Los árboles de decisión binarios dificultan la

representación dificultan la representación de una
decisión que permita un conjunto de respuestas o casos.

• Un nodo de decisión capaz de permitir ramas múltiples

daría una solución más directa.
En un árbol de decisión binario
En un árbol de decisión con varias
ramas
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Procedimientos para resolver un Á rbol
• Procedure Resolver_árbol_binario
• Establecer la ubicación del nodo raíz en el árbol
• Al nodo raíz
• While la ubicación actual es un nodo de decisión do
• Preguntar en el nodo actual.
• If la respuesta de la pregunta es sí
• Establecer el nodo actual en la rama sí
• Else
• Establecer el nodo actual en la rama no
• End if
• End do
• Devolver la respuesta al nodo actual
• End procedure
Procedimientos para resolver un Á rbol
• Procedure Resolver_árbol
• Establecer la ubicación del nodo raíz en el árbol en el nodo raíz
• While la ubicación actual es un nodo de decisión do
• Preguntar en el nodo actual hasta que
• Se proporcione una respuesta válida para el conjunto de opciones de
este modo.
• Establecer el nodo actual en el nodo hijo de
• La rama asociada con la opción seleccionada.
• End do
• Devolver la respuesta al nodo actual
• End procedure
Á rboles de Decisió n
• INTRODUCCIÓN

• DEFINICIÓN DE ÁRBOL DE DECISIÓN

• ELEMENTOS DEL ÁRBOL DE DECISIÓN

• ÁRBOLES DE DECISIÓN BINARIOS

• ÁRBOLES DE DECISIÓN CON VARIAS RAMAS

• PROCEDIMIENTOS PARA RESOLVER UN ÁRBOL

• ÁRBOLES DE DECISIÓN QUE APRENDEN

Á rboles de Decisió n que Aprenden
• Un árbol de decisión con aprendizaje es un árbol con
decisión en el que si la conclusión a la que se llega es
errónea (desde el punto de vista del usuario) se pasa a
un proceso de aprendizaje en el que, con ayuda del
usuario, se modifica el árbol para que considere la nueva
posibilidad.

• En este caso consideraremos árboles de decisión

binarios, es decir, tales que las posibles respuestas a las
preguntas almacenadas en los nodos internos son "si" o
"no".
 CLIPS
• CLIPS> (run)
- Es muy grande.? (si o no): si
- Tiene un cuello largo.? (si o no): no
- Tiene una trompa.? (si o no): si
Creo que es un/a elefante
¿Estoy en lo cierto.? (si o no): si
 CLIPS
• Intentemos clasificar un gato
¿Lo intentamos de nuevo.? (si o no): si
- Es muy grande.? (si o no): no
- Emite chillidos.? (si o no): no
Creo que es un/a ardilla
¿Estoy en lo cierto.? (si o no): no
• Sesión: Aprendizaje
¿Que animal es?
gato
¿Que pregunta se debe contestar afirmativamente para distinguir
gato de ardilla.?
Maulla?
Ahora ya puedo distinguir un/una gato
 • El gato ya esta en la base de
conocimiento
¿Lo intentamos de nuevo.? (si o no): si
- Es muy grande.? (si o no): no
- Emite chillidos.? (si o no): no
- Maulla.? (si o no): si
Creo que es un/a gato
¿Estoy en lo cierto.? (si o no): si
¿Lo intentamos de nuevo.? (si o no): no
• CLIPS>
Á RBOL MODIFICADO
CÓ DIGO EN CLIPS
• D:\SAN MARCOS\INTELIGENCIA ARTIFICIAL\examen lab\sistema experto animales.CLP
 EJEMPLO
• Genera el siguiente árbol de decisión
¿El animal es de
sangre caliente?
SI NO
¿El animal ¿El animal es
ronronea? una serpiente?

SI NO
¿El animal es un ¿El animal es un
gato? perro?
• Y obtén la siguiente sesión de deducción:
¿El animal es de sangre caliente? (si /no): si
¿El animal ronronea? (si/no): no
Deduzco que es un perro
¿Estoy en lo correcto? (si/no): no
¿Cuál es el animal? Pájaro
¿Que pregunta se debe contestar afirmativamente para distinguir entre un Pájaro y
un Perro? ¿El animal vuela?
Ahora puedo deducir que es un pájaro
¿Intentar otra vez? (si/no): no
• ..\examen lab\ejemplo arboles-salon.CLP