Lección 1 del curso Árboles de Decisión.
En este primer módulo vamos a ver todo lo relacionado con el primer tipo de árboles de decisión que podemos encontrar en el Machine Learning: los árboles de clasificación.
Como su nombre lo indica, este tipo de árboles nos permite abordar problemas de clasificación en el Machine Learning, es decir aquellos problemas donde queremos predecir una categoría.
Así que a lo largo del módulo vamos a entender qué son, cómo se entrenan y cómo implementar este tipo de modelos para resolver un problema de clasificación haciendo uso de Python y la librería Scikit-Learn.
Y en esta primera lección del curso vamos a recordar en qué consiste la clasificación y veremos a través de dos ejemplos el principio de funcionamiento de los árboles de clasificación:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Los anteriores ejemplos nos han permitido ver el principio de funcionamiento de un árbol de clasificación. La idea es que estos modelos plantean una serie de preguntas sobre las características (o variables predictoras) y dichas preguntas se pueden responder como sí o no y dependiendo de estas respuestas el árbol genera una predicción.
Pero la idea de los árboles de decisión es que esta serie de condiciones y preguntas, que define en últimas la estructura del árbol, no tengan que ser determinadas de forma supervisada (por nosotros los humanos) sino que sea el mismo algoritmo de entrenamiento que deforma automática logre entrenar y construir el árbol para posteriormente generar predicciones.
Así que en la próxima lección nos enfocaremos precisamente en uno de los algoritmos de entrenamiento más usados al momento de construir este tipo de árboles. Hablaremos del algoritmo CART para el entrenamiento de un árbol de clasificación.
Todas las lecciones del curso Árboles de Decisión