Introducción a árboles de decisión

1

¿Qué son los árboles de decisión?

2

Tu primer árbol de decisión con scikit-learn

3

Análisis de datos para tu primer árbol de decisión

4

Entrenamiento y evaluación de árbol de decisión con scikit-learn

5

¿Cómo funcionan los árboles de decisión?

6

¿Cuándo usar árboles de decisión?

Quiz: Introducción a árboles de decisión

Proyecto práctico: árboles de decisión

7

Conociendo problema a resolver y dataset de clasificación

8

Análisis exploratorio de datos para árbol de decisión

9

Procesamiento de datos para el entrenamiento de árbol de decisión

10

Entrenamiento de modelo de clasificación con árbol de decisión

11

¿Cómo evaluar un modelo de árbol de decisión?

12

Evaluación de resultados del modelo de árbol de decisión

Quiz: Proyecto práctico: árboles de decisión

Introducción a random forest

13

¿Qué son los random forest o bosques aleatorios?

14

Tu primer random forest con scikit-learn

15

Análisis de datos para tu primer random forest

16

Entrenamiento de tu primer modelo de random forest con scikit-learn

17

Evaluación de tu primer modelo de random forest con scikit-learn

18

¿Cómo funcionan los random forest?

19

¿Cuándo utilizar random forest?

Quiz: Introducción a random forest

Proyecto práctico: random forest

20

Entrenamiento de modelo de clasificación de carros con random forest

21

Evaluación de resultados del modelo de clasificación con random forest

Quiz: Proyecto práctico: random forest

Conclusión

22

Proyecto final y cierre

23

Comparte tu proyecto de Random Forest y obtén tu certificado

¿Qué son los árboles de decisión?

1/23
Recursos

Aportes 11

Preguntas 1

Ordenar por:

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

1. ¿Qué son los árboles de decisión?

  • Aprendizaje supervisado.
  • Ampliamente extendido.
  • Diferentes algoritmos derivan de los árboles de decisión.
  • Primeras versiones por Leo Breiman.
  • Utilizadas para clasificación y regresión.
  • Aprenden de los datos generando reglas de tipo if-else.
  • Divisiones conocidas como nodos.
  • Cuando un nodo no conduce a nuevas divisiones se le denomina nodo terminal o hoja.

Que alegria encontrate aca. Exitos.

Vengo del futuro, este es un gran curso 💚

Dos formulas indispensable en la creación de un árbol de decisión:
Entropía y ganancia de la información
https://www.yizinet.com/ganancia-de-informacion-y-entropia/

¿Qué son los árboles de decisión?

Los árboles de decisión son algoritmos estadísticos o técnicas de machine learning que nos permiten la construcción de modelos predictivos de analítica de datos para el Big Data basados en su clasificación según ciertas características o propiedades, o en la regresión mediante la relación entre distintas variables para predecir el valor de otra.

Este curso huele a nuevo
wenas wenas G-nte

Arboles de decisión: ![](https://static.platzi.com/media/user_upload/image-e742428a-4b63-4cb4-8c89-8e25c6cd209f.jpg)
Una metáfora de Caperucita roja y los árboles de decisión: * **Decision Tree**: Piensa en cada cruce de caminos como un nodo del árbol. Caperucita puede tomar decisiones basadas en preguntas como: "¿Hay flores en este camino?" o "¿Huele a pastel?". Según su respuesta, avanza por un camino diferente (ramas) hasta que llega a su destino (una hoja), que podría ser la casa de su abuela o encontrarse con el lobo.

Es interesante el uso de trees. Espero aprender mucho sobre su uso y como aplicarlo en el proyecto.

Otro curso más de la excelente ruta de Data Scientist con Phyton!!

Estaba esperando con ansias este curso 😍