Fundamentos de Árboles de Decisión

¿Qué es un árbol de decisión?

• Un algoritmo para clasificar datos en categorías numéricas.

• Un algoritmo de aprendizaje supervisado, no paramétrico, que se utiliza tanto para tareas de clasificación como de regresión.

• Un método para agrupar datos sin etiquetar.

• Un proceso de validación cruzada

¿Cuáles son las partes principales de la estructura de un árbol de decisión?

• Nodos, hojas y frutos

• Raíces, tronco y hojas

• Ramas, tronco y flores

• Nodos raíz, nodos hoja.

¿Qué tipo de problema puede resolver un árbol de decisión?

• Solo clasificación.

• Solo regresión.

• Clasificación y regresión.

• Agrupamiento.

¿Qué criterios se utilizan para dividir los nodos en un árbol de decisión?

• Criterios de selección aleatoria

• Criterios de ordenamiento por tamaño

• Criterios como impureza de Gini (clasificación) y entropía (regresión).

• Criterios de agrupación por similitud

¿Qué significa que un árbol de decisión esté sobreajustado (overfitting)?

• Ha aprendido correctamente todas las relaciones en el conjunto de prueba.

• Se ha ajustado excesivamente a los datos de entrenamiento, perdiendo generalización.

• Ha eliminado las características irrelevantes del modelo.

• Ha alcanzado el tamaño máximo de profundidad.