Arboles de Desicion

Diunys Diaz
Daniel Ardila

Un rbol de decisiones es una de las ms simples y exitosas

formas de algoritmos de aprendizaje. Sirve mucho como
introduccin al rea del aprendizaje inductivo, es muy fcil de
implementar. Primero describimos el elemento principal, y
luego se muestra como aprende. De esta forma, le
introducimos ideas que aparecen en todas las reas del
aprendizaje inductivo.
Un rbol de decisin toma como entrada un objeto o situacin
descrita por un grupo de atributos y da como salida una
decisin.

Los atributos iniciales pueden ser discretos o continuos al igual

que los de salida. El aprendizaje en funcin de valores discretos
se llama clasificacin de aprendizaje, mientras que en funcin de
valores continuos se llama regresin. Esto ayuda a una
clasificacin booleana de los resultados donde se pueden tomar
uno de dos caminos: verdadero (positivo) o falso (negativo).
Luego, un rbol de decisin llega a decidir mediante una
secuencia de pruebas. Cada nodo interno del rbol corresponde
a una prueba de valor de una de las propiedades, y las
ramificaciones salientes de los nodos son catalogadas con los
posibles valores obtenidos. Cada rama de nodo en el rbol
especifica un valor logrado.

Tenemos que establecer que atributos estn disponibles para

describir ejemplos dominantes.
Alternate (alternativa): si hay algn restaurante cerca
Bar: Si el restaurante tiene un rea de bar que sea apropiada
para esperar
Fri/Sat (Vie/Sab): Si hay atencin los viernes y sbados
Hungry (Con hambre): Si tenemos hambre.
Patrons (Cantidad de personas): Cuanta gente hay en el
estaurante (ninguno, unos cuantos, lleno)
Price (Precio): El rango de precios del restaurante
Raining (Est lloviendo): Si est lloviendo afuera
Reservation (Est reservado): Si hicimos una reservacin
Type(tipo): La clase de restaurante (francs, italiano, thai, o
burger)
WaitEstimate (Tiempo de espera por ser atendido): Tiempo
estimado de atencin (0-10, 10-30, 30-60, >60 minutos).

Los rboles de decisin tienen hiptesis particulares para saber

si
vale la pena esperar. Esto puede verse como una asercin de
esta forma:

Los rboles de decisiones son buenos para algunas

funciones matemticas que para otras, pero no logra
representarlas todas.
Volviendo al campo de la toma de decisiones, un rbol
consiste de un vector de atributos de entrada X, una
salida booleana de valor y. Con esto, un conjunto de
ejemplos (X1,y1),, (X12,y12)

En teora de la informacin, un bit puede tener dos

respuestas: s o no, como tirar una moneda al aire. En
general, si las posibles respuestas vi tienen una probabilidad
P(vi), entonces el contenido de informacin I de la respuesta
es:

Para el rbol de decisiones, debe haber un estimado de

probabilidades de posibles respuestas antes que los
atributos sean probados, y esto confronta elementos
positivos (p) y negativos(n) en el conjunto de
alternativas

Luego, entre las elecciones aleatorias posibles existe

una probabilidad promedio luego de elegir un atributo A,
el cual sera un residuo o sobrante (Remainder).

Esto ayuda a tener un atributo que tenga una informacin

obtenida (gain), que es ms precisa y se da por la resta
entre la informacin contenida menos el sobrante, nos
ayuda a tener un grado de certeza del atributo.