ML - Tema 5 (arboles)_1

La técnica de árboles de decisión (decision trees) es un método

• No supervisado

• Supervisado

• Depende del objetivo

La técnica de árboles de decisión permite

• unicamente predecir variables numéricas

• unicamente predecir variables categóricas

• predecir variables numéricas y categóricas

• clasificar como método supervisado y predecir como no supervisado

¿Cual es el criterio del algoritmo para elegir la variable que se utilizará para crear el siguiente nodo del árbol?

• Aquella variable con menor dispersión

• Aquella variable con más dispersión

• Aquella variable que genera datos más homogéneos en el subcojunto particionado

• Ninguna de las anteriores

Sobre la profundidad del árbol de decisión, podemos afirmar que

• Cuantos más niveles y nodos mejor

• Con pocos niveles puede haber overfitting

• Con muchos niveles puede haber overfitting

• Los niveles no afectan a la calidad del 'arbol

¿Qué característica consideras relevante para los árboles de decisión?

• Producen reglas claras y permiten realizar una reducción dimensional

• Son un modelo de caja negra

• Todos los niveles son estadisticamente significativos

• Permiten clasificar muy bien