6 – Entrenamiento de un árbol de regresión con el algoritmo CART

Lección 6 del curso Árboles de Decisión.

En la lección anterior vimos el principio de funcionamiento de un árbol de regresión. En esencia este tipo de árbol de decisión permite tomar características de entrada, analizar cada una de ellas evaluando en cada caso condiciones hasta llegar a una hoja del árbol que permite predecir la cantidad numérica correspondiente.

Así que teniendo claro este principio de funcionamiento, en esta lección veremos todos los detalles de cómo funciona el algoritmo CART (Classification and Regression Trees) que permite realizar el entrenamiento de un árbol de regresión.

Entonces comenzaremos viendo una idea intuitiva de cómo funciona este algoritmo, luego veremos de forma detallada cómo se determinan de forma automática las diferentes particiones y al finalizar veremos un resumen de todos los pasos involucrados en este algoritmo:

Como acabamos de ver el funcionamiento del algoritmo CART para el caso de árboles de regresión es muy similar al que vimos en una lección anterior para el entrenamiento de un árbol de clasificación.

En esencia el algoritmo genera particiones binarias sobre el espacio de características de forma iterativa hasta generar agrupaciones (hojas) lo más homogéneas posible. Y en el caso de estos árboles de regresión esta homogeneidad se cuantifica a través del error cuadrático medio.

Y una vez generadas las diferentes particiones el valor asignado a cada hoja (es decir la predicción asociada a cada agrupación generada) será el promedio de los valores de los datos que pertenecen a dicha agrupación.

Entonces ya tenemos claro cómo se realiza el entrenamiento de un árbol de regresión. Así que en la próxima lección veremos cómo se generan predicciones con un árbol de regresión previamente entrenado.

Todas las lecciones del curso Árboles de Decisión