Los árboles de decisión son básicamente modelos predictivos de aprendizaje automático. Los modelos de árboles de decisión ayudan a predecir una clase para el caso después de finalizar la poda y las pruebas de capacitación. Es principalmente de dos tipos: I) ÁRBOL DE CLASIFICACIÓN y 2) ÁRBOLES DE REGRESIÓN.
Cuando los datos son de tipo categórico con pocas clases, que representan un grupo, por ejemplo, la clase es un automóvil con atributos de tamaño de neumático, potencia del motor, espacio de arranque, capacidad de asiento, bolsa de aire … etc. Se prefieren los ÁRBOLES DE TIPO DE CLASIFICACIÓN. En caso de que los datos sean de tipo continuo con clases asociadas también de tipo numérico. Por ejemplo, si el objetivo es predecir el precio del automóvil o el precio de una casa o la configuración de un aparato, se prefieren principalmente ÁRBOLES DE DECISIÓN del tipo de regresión.
En caso de que sea necesario evaluar ambas características, el investigador puede optar por el algoritmo CART.
- ¿Qué algoritmo funciona mejor para bandidos adversarios?
- ¿Existe algún proyecto de datos abiertos que utilice el aprendizaje automático y la ciencia de datos para proporcionar información sobre los datos de incidentes de aplicación de la ley disponibles públicamente?
- Cómo usar el aprendizaje automático en IoT Hardware Security
- ¿Cuál es la función de transferencia en redes neuronales artificiales?
- ¿Qué son los vectores de características basados en cuadros (como se usan en el reconocimiento de voz)?
CARRITO: ÁRBOLES DE CLASIFICACIÓN Y REGRESIÓN.