Lección 3 del curso Árboles de Decisión.
En la lección anterior vimos en detalle cómo funciona el algoritmo CART para el entrenamiento de un árbol de clasificación.
Y habiendo entrenado el árbol lo que nos interesa es poderlo utilizar para generar predicciones. Es decir que la idea es tomar uno o más datos de entrada y determinar, para cada uno de estos datos, la categoría a la que pertenece.
Así que en esta lección veremos a través de varios ejemplos cómo se generan predicciones con un árbol de clasificación previamente entrenado:
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.
En los ejemplos que acabamos de analizar pudimos ver lo sencillo que resulta generar predicciones con un árbol de clasificación entrenado previamente.
En esencia se presenta el dato de entrada al árbol y luego se evalúan secuencialmente las condiciones establecidas en los nodos del árbol para determinar cuáles se cumplen y cuáles no y como resultado se llega a una de las hojas del árbol que indicará precisamente la categoría a la que pertenece el dato de entrada.
Además, es posible calcular la probabilidad de que el dato de entrada pertenezca a una categoría u otra analizando simplemente la cantidad de datos que contiene la hoja correspondiente para cada una de las categorías.
Así que en este punto ya tenemos todos los elementos esenciales que nos permiten entender cómo funciona, cómo se entrena y cómo se generan predicciones con un árbol de clasificación.
Entonces lo que nos resta en este módulo es poner en práctica todos estos conceptos. Así que en la próxima lección veremos cómo crear, entrenar, validar y poner a prueba un árbol de clasificación con ayuda de la librería scikit-learn de Python.
Todas las lecciones del curso Árboles de Decisión