UNIVERSIDAD TECNOLÓGICA DE

LA REGIÓN NORTE DE GUERRERO

MATERIA: FORMACIÓN SOCIOCULTURAL III
PROFESOR: BENITO DELGADO CIPRÉS
TEMA : ÁRBOL DE DECISIONES
EQUIPO:
GILBERTO REYES FERNÁNDEZ
MARCOS ALFREDO OLMAN PEREZ
BRYAN ISAAC MANRIQUE DOMINGUEZ
MA. GUADALUPE REBOLLEDO OCAMPO
LUIS DAVID SERNA RÍOS
¿QUÉ ES UN ÁRBOL DE DECISIÓN?
UN ÁRBOL DE DECISIÓN ES UN MAPA DE LOS POSIBLES RESULTADOS DE UNA
SERIE DE DECISIONES RELACIONADAS. PERMITE QUE UN INDIVIDUO O UNA
ORGANIZACIÓN COMPAREN POSIBLES ACCIONES ENTRE SÍ SEGÚN SUS COSTOS,
PROBABILIDADES Y BENEFICIOS. SE PUEDEN USAR PARA DIRIGIR UN
INTERCAMBIO DE IDEAS INFORMAL O TRAZAR UN ALGORITMO QUE ANTICIPE
MATEMÁTICAMENTE LA MEJOR OPCIÓN.
 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.

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.
TIPOS DE ÁRBOL DE DECISIÓN
 ÁRBOL DE CLASIFICACIÓN
• SE USA UN ÁRBOL DE CLASIFICACIÓN CUANDO EXISTAN DIFERENTES
PARTES DE INFORMACIÓN QUE HAYAS CALCULADO PARA DETERMINAR EL
RESULTADO MÁS PREDECIBLE. CON EL ÁRBOL DE DECISIÓN POR
CLASIFICACIÓN DEBES USAR UN PROCESO BINARIO DE CATEGORÍAS Y
SUBCATEGORÍAS PARA ESQUEMATIZAR LAS DIFERENTES VARIABLES QUE
RODEAN A UN RESULTADO. ESTE TIPO DE ÁRBOL PUEDE EMPLEARSE EN
PROBABILIDAD Y ESTADÍSTICA.
 ÁRBOL DE REGRESIÓN.

• ESTE TIPO DE ÁRBOL DE DECISIÓN SE USA CUANDO TIENES DIFERENTES

PARTES DE INFORMACIÓN PARA DETERMINAR UN ÚNICO RESULTADO
PREDETERMINADO. DURANTE EL PROCESO DE CONSTRUIR ESTE ÁRBOL
DEBES DIVIDIR LAS DIFERENTES PARTES DE INFORMACIÓN EN SECCIONES Y
LUEGO SUBDIVIDIR EN VARIOS SUBGRUPOS. ESTE TIPO DE ÁRBOL ES USADO
PRINCIPALMENTE EN CÁLCULOS DE BIENES RAÍCES.
 ÁRBOL DE MEJORA
• SE USA CUANDO QUIERES INCREMENTAR LA PRECISIÓN DEL PROCESO DE
TOMA DE DECISIONES. PARA ESTO DEBES TOMAR UNA SOLA VARIABLE Y
LUEGO CALCULARLA Y ESTRUCTURARLA DE MANERA QUE LA CANTIDAD DE
ERRORES SE MINIMICEN TANTO COMO SEA POSIBLE. ESTO CREA
INFORMACIÓN MÁS PRECISA, DEBIDO A QUE HABRÁS ELIMINADO LOS
ERRORES TANTO COMO SE PUEDA. ESTE TIPO DE ÁRBOL SE USA
PRINCIPALMENTE EN CONTABILIDAD Y MATEMÁTICAS.
 BOSQUES DE ÁRBOLES DE DECISIÓN

• ESTOS SE GENERAN CUANDO CREAS DIFERENTES ÁRBOLES DE DECISIÓN Y

LUEGO LOS AGRUPAS ENTRE SÍ PARA HACER UNA DETERMINACIÓN PRECISA
DE LO QUE PASARÁ CON UN RESULTADO EN PARTICULAR. A MENUDO LOS
BOSQUES DE ÁRBOLES DE DECISIÓN SE USARÁN PARA EVALUAR EL
RESULTADO GLOBAL DE UN EVENTO EN PARTICULAR CON BASE A LA
DIRECCIÓN QUE ESTÉN TOMANDO LOS DIFERENTES ÁRBOLES DE DECISIÓN.
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.
 VENTAJAS Y DESVENTAJAS DE UN ÁRBOL DE
DECISION

AL HACER USO DE ESTA HERRAMIENTA SURGEN VENTAJAS

VENTAJAS
.SON FÁCILES DE CONSTRUIR ,INTERPRETAR Y VISUALIZAR
.SELECCIONA LAS VARIABLES MÁS IMPORTANTES Y EN SU CREACIÓN NO SIEMPRE SE HACE USO DE TODOS LOS PREDICTORES
.SI FALTAN DATOS NO PODREMOS NO PODREMOS RECORRER EL ÁRBOL ASTA UN NUDO TERMINAL : PERO SI PODEMOS HACER
PREDICCIONES.
.PROMEDIANDO LAS HOJAS DEL SUD _ARBOL ALCANZAMOS .
.NO ES PRESISO QUE SE CUMPLAN UNA SERIE DE (LINEALIDAD , NORMALIDAD,DE LOS RESIDUOS ,HOMOGENEIDAD DE LA VARIANZA
ETC. )
.SIRVE TANTO PARA VARIABLES DEPENDIENTES CUALITATIVAS CÓMO CÓMO CUANTITATIVAS ,CÓMO PARA VARIABLES
PREDICTORAS O INDEPENDIENTES NUMÉRICAS Y CATEGORICAS , ADEMÁS NO NESESITAN VARIABLES DUMMYS AUNQUE AVESES
MEJORAN EL MODELO.
 VENTAJAS
• PERMITEN RELACIONES NO LINEALES ENTRE LAS VARIABLES
DEPENDIENTES.
• NOS PODEMOS SERVIR DE ELLAS PARA CATEGORIZAR VARIABLES
NUMÉRICAS
 DESVENTAJAS

• TIENDEN A SOBRE JUSTARSE O OVERFITTING DE LOS DATOS , POR LO QUE EL

MODELO AL PREDICIR NUEVOS CASOS NO ESTIMAN CON EL MISMO ÍNDICE
DE ACIERTO.
• SE VEN INFLUENCIADAS POR LOS AUTLIERRS , CREANDO ÁRBOLES CON
RAMAS MUY PROFUNDAS QUE NO PREDICEN BIEN PARA NUEVOS CASOS.
• NO CREAR ÁRBOLES DEMACIADOS COMPLEJOS PUEDE LLEVAR QUE NO SE
ADAPTEN BIEN ALOS NUEVOS DATOS . LA COMPLEJIDAD RESTA LA
CAPACIDAD DE INTERPRETACIÓN.
 DESVENTAJAS
• NO SUELEN SER MUY EFICIENTES CON MODELOS DE REGRESIÓN
• SE PUEDEN CREAR ÁRBOLES SESGADOS SI UNA DE LAS CLASES ES MÁS
NUMEROSAS QUE OTRA .
• SE PIERDE INFORMACIÓN CUANDO SE UTILIZA PARA CATEGORIZAR UNA
VARIABLE NUMÉRICA CONTINÚA