¿Qué es el aprendizaje del árbol de decisión?
El aprendizaje del árbol de decisión utiliza un modelo predictivo con ramas informativas similares a un árbol para reunir suposiciones y hacer un juicio sobre el valor de un artículo. El sistema se utiliza para el aprendizaje automático, las estadísticas y la minería de datos. Los árboles de decisión también se conocen como árboles de regresión o clasificación, dependiendo del propósito para el cual se usan.
El proceso de aprendizaje de árboles de decisión implica pasar de rama a rama de información. Al llegar a cada elemento, ya sea a través de una computadora o una persona, debe determinarse si se aplica o no al elemento de destino. Una vez que se ha explorado cada rama, las respuestas se pueden usar para determinar el valor.
En esencia, el aprendizaje del árbol de decisión es el proceso de responder preguntas. Cada respuesta avanza el proceso hasta que haya suficiente información para tomar una decisión. Por ejemplo, un árbol simple puede comenzar preguntando cuáles de los dos objetos comprar. Una pregunta puede preguntarse si el objeto es útil, mientras que otro podría preguntarse si unoEM tiene un mejor precio que el otro. Al hacer todas estas preguntas, generalmente es posible determinar qué acción es estadísticamente más beneficiosa.
El aprendizaje del árbol de decisión también explora las subcategorías. Responder una pregunta puede llevar a otra. Esto podría resultar en que algunas ramas tengan muchas subdirectores, mientras que otras son menos elaboradas porque es fácil responder a la pregunta. La búsqueda del proceso de esta manera permite al usuario desarrollar una evaluación más detallada del artículo.
Otro posible uso del aprendizaje de árboles de decisión es la categorización. En lugar de que cada pregunta conduzca a una sola decisión, un cuerpo de información se divide en diferentes áreas, en función de la respuesta para cada rama. Una vez que todas las ramas se hayan categorizado, el mismo proceso también se puede ejecutar en cada categoría.
El aprendizaje del árbol de decisión generalmente progresa desde el nivel superior hacia abajo. No tizaretroceder. Una vez que una pregunta ha sido respondida por completo, generalmente no hay necesidad de referirse a ella nuevamente hasta que se compilen los resultados.
Los resultados del aprendizaje de árboles de decisión se pueden expresar de varias maneras. Pueden ser la respuesta a una pregunta sí o no o un número como un precio o un período de tiempo. Los resultados también pueden revelar la identidad de cierto objeto y, por lo tanto, nombrar la clase en la que pertenece.