Lección 7 del curso Árboles de Decisión.
En la lección anterior vimos todos los detalles de cómo funciona el algoritmo CART para el entrenamiento de un árbol de regresión.
Así que en esta lección veremos, a través de dos sencillos ejemplos, cómo usar un árbol de regresión entrenado para generar predicciones a partir de nuevos datos:
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.
Como acabamos de ver la lógica de generación de predicciones con un árbol de regresión es muy pero muy sencilla: simplemente se parte del nodo raíz del árbol entrenado y se evalúa la condición allí establecida para una de las características y esto definirá una ruta a seguir dentro del árbol donde se repetirá el procedimiento de evaluación de las condiciones sobre las características hasta llegar finalmente a una hoja. Y el valor de dicha hoja será precisamente la predicción generada por el árbol de regresión.
Así que en este punto ya tenemos claro qué es un árbol de regresión, cómo se entrena usando el algoritmo CART y cómo se generan predicciones con el árbol entrenado. Entonces, lo único que nos falta para culminar este segundo módulo del curso es poner en práctica todos estos conceptos para la solución de un problema de regresión.
Entonces, en la próxima lección veremos de forma práctica cómo implementar árboles de regresión usando la librería Scikit-Learn de Python.
Todas las lecciones del curso Árboles de Decisión