Árbol de decisión – clasificar datos con preguntas de sí o no
InformáticaDatos, IA y aprendizaje automáticoEdades 17–18
Cargando…
Inicia sesión para usarDatos de dos clases en un plano definido por dos características (el tiempo y salir a la calle, manzana o limón, aprobar un examen). El ordenador construye un árbol de decisión eligiendo en cada nodo la pregunta "característica ≤ umbral?" que más reduce la impureza de Gini o la entropía, o los estudiantes cortan regiones ellos mismos y ven de antemano cuánto baja la impureza. El plano se divide en rectángulos y el árbol aparece debajo; cambia la profundidad máxima para comparar la exactitud en los datos de entrenamiento y de prueba y ver claramente el sobreajuste.
Lección: Aprendizaje automático: árboles de decisión, impureza de Gini y entropía, datos de entrenamiento y de prueba, sobreajuste
Qué muestra
Un árbol de decisión clasifica un ejemplo con una cadena de preguntas de sí o no; cada una compara una característica con un umbral, así que el plano queda dividido en rectángulos. Los datos provienen de una regla oculta con etiquetas cambiadas al azar (ruido); el 70 % entrena el árbol y el 30 % se reserva para la prueba. En cada nodo, el ordenador elige de forma voraz el corte que más reduce la impureza de Gini o la entropía ponderadas. Los árboles más profundos se ajustan mejor al entrenamiento, pero pueden memorizar el ruido y la exactitud de prueba deja de mejorar o baja.
Cómo usarla
En Árbol automático, mueve la Profundidad máxima de 1 a 8 y observa en la gráfica la exactitud de entrenamiento y de prueba. Cambia a Haz tus propias preguntas, elige Corte vertical o Corte horizontal, pasa el ratón para ver la vista previa y haz clic en una región. Compara con Mejor pregunta, deshaz con Unir y pulsa Datos nuevos.
Parámetros que puedes cambiar
- Conjunto de datos ¿Salir a la calle? (temperatura, humedad), ¿Manzana o limón? (masa, rojez de la piel), ¿Aprueba el examen? (horas de repaso, examen de práctica)
- Número de datos 40–200 puntos
- Ruido (porcentaje de etiquetas cambiadas) 0–30 %
- Profundidad máxima del árbol 1–8
- Criterio de división Impureza de Gini, Entropía (ganancia de información)
- Mostrar datos de prueba
Preguntas para explorar
- ¿Por qué la exactitud de entrenamiento sigue subiendo con la profundidad y la de prueba no?
- ¿Por qué el conjunto "¿Aprueba el examen?", con su frontera diagonal, necesita tantas preguntas?
- ¿Qué te dice sobre los datos la primera pregunta elegida en la raíz?
