Lección 5 del curso Árboles de Decisión.
En el módulo anterior vimos todos los detalles relacionados con la primera familia de árboles de decisión: los árboles de clasificación.
Y específicamente vimos qué es un árbol de clasificación, cómo se entrena un árbol de clasificación usando el algoritmo CART, cómo generar predicciones con un árbol de clasificación y cómo usar Scikit-Learn para entrenar, validar y poner a prueba un árbol de clasificación.
En este segundo módulo del curso seguiremos la misma lógica para ver todos los detalles relacionados con la segunda familia de árboles de decisión: los árboles de regresión.
En particular, en esta lección vamos a entender a través de un sencillo ejemplo qué es un árbol de regresión:
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 esencia un árbol de regresión permite tomar una serie de características de entrada y plantear preguntas sobre cada una de ellas. Cada una de estas preguntas se puede responder de manera positiva o negativa y dependiendo de esto se toman diferentes rutas de decisión dentro del árbol. Y al final de este proceso el árbol de regresión logra predecir una cantidad numérica (de allí el término «regresión»).
Así que en esencia un árbol de regresión es muy similar a un árbol de clasificación, sólo que en lugar de predecir una categoría predice precisamente una cantidad numérica.
Entonces, teniendo claro qué es un árbol de regresión el siguiente paso es entender cómo se construye este tipo de modelo predictivo. Así que en la próxima lección veremos cómo usar el algoritmo CART para entrenar un árbol de regresión.
Todas las lecciones del curso Árboles de Decisión