No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Árboles de decisión

9/16
Recursos

Refuerza y practica tu inglés con los cursos de English Academy 🚀
Screenshot 2023-10-19 at 11.56.36 AM.png

Aportes 8

Preguntas 0

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Les dejo una joya que les ayuda a profundizar lo aprendido en la clase:
https://www.youtube.com/watch?v=ZeRblDJ-Jug&ab_channel=AprendeIAconLigdiGonzalez

si quieren aprender de pies a cabeza como funciona un arbol de decision recomiendo este video muy visual y con un ejemplo claro:
https://www.youtube.com/watch?v=kqaLlte6P6o
PD: el canal tambien tiene un video sobre los bosques de decision. pero si entienden lo de los arboles lo demas es pan comido.

📚Further reading here.

To complement the max_feautures concept:

max_features is the number of features selected at random and without replacement at split. Suppose you have 10 independent columns or features, then max_features=5 will select at random and without replacement 5 features at every split.
From stackoverflow

este mismo tipo de clasificacion se puede hacer con una ANN, el problema es que las ANN son cajas negras que no nos dicen los criterios por los cuales se llega a un resultado. es qui donde los arboles de desicion vienen a abrir la casja y nos muestran cada criterio que se uso para llegar al resultado dado.

La función de coste se utiliza en algoritmos de optimización para minimizar el error entre las predicciones del modelo y los valores reales. Por ejemplo, en la regresión lineal, la función de coste utilizada es el error cuadrático medio (MSE), que calcula la diferencia cuadrada entre las predicciones del modelo y los valores reales. Sin embargo, los árboles de decisión no se optimizan directamente utilizando una función de coste.


En cuanto a la regla de actualización, esta se utiliza en algoritmos de aprendizaje que iterativamente ajustan los parámetros del modelo para minimizar la función de coste. Por ejemplo, en la regresión logística, la regla de actualización utiliza el gradiente descendente para ajustar los pesos del modelo en cada iteración. Sin embargo, los árboles de decisión no siguen un proceso de actualización iterativo como esos algoritmos

<h5>Conozca los pros y los contras de usar árboles de decisión para realizar tareas de minería de datos y descubrimiento de conocimiento, con IBM.</h5>

https://www.ibm.com/es-es/topics/decision-trees#:~:text=Un árbol de decisión es,nodos internos y nodos hoja.

No sabia que el uso de random forest se utiliza de este modo. Menos mal que ahora lo entiendo. Es momento de aplicarlo.

Random Forest using Sklearn’s DecisionTreeClassifier: here