PEC1 Aprendizaje Automático 14/15 (UNED)

Aprendizaje Automático - Árboles de Regresión y de Modelos

 
 
 
 
 
APRENDIZAJE AUTOMÁTICO 
 
ACTIVIDAD EVALUABLE I 
Curso 2014/15 
 
Árboles de Regresión y de Modelos 
 
 
 
 
  
 
 

 

 

1 

Aprendizaje Automático - Árboles de Regresión y de Modelos

Actividad 3: 
 
La representación esquemática del AR obtenido es la siguiente: Fig 1: Representación esquemática del AR generado. 

 
La hoja identificada como “LM3” tiene tres instancias asignadas, cuyos valores de clase son los siguientes: 
Instancia 1: 62 
Instancia 2: 47 
Instancia 3: 54 
 Podemos  comprobar,  por  tanto,  que  el  valor de  la  constante LM asociada  a  la  hoja 3  es la  media  del valor de  clase para 
estas tres instancias: 163/3 = 54.3333. Fig 2: Valor de la constante LM asociada a la hoja 3. 

 
 

 

2 

Aprendizaje Automático - Árboles de Regresión y de Modelos

Actividad 4: 
 
Para  el  AR sin  poda  obtenemos  un árbol con 63  nodos,  de los cuales 32  son hoja,  con  un índice de correlación de 0.9466,  
mientras  que   el  AR  con  poda,  de  23  nodos  de  los cuales  12 hojas,  obtiene  unos  indicadores sensiblemente  inferiores.  Si bien  es  cierto  que la complejidad  del AR sin poda es bastante mayor,  también es  cierto que, a tenor de lo que nos dicen los indicadores los índices de error son considerablemente mejores. Por tanto considero el AR sin poda más competitivo. 
 
 
Modelo AR 

Sin poda 

Con poda 

Nodos(Hojas) 

63(32) 

23(12) 

Coeficiente de correlación 

0.9466 

0.8404 

Error medio absoluto 17.934 

25.7736 

45.3822 

75.6733 

Error relativo absoluto 

21.4946% 

30.8906% 

Error raíz cuadrático relativo 

32.7725% 

54.647% 

Error raíz cuadrático medio 

 Tabla 1: Comparación de indicadores para los AR sin poda y con poda. 

 
 

 

3 

Aprendizaje Automático - Árboles de Regresión y de Modelos

Actividad 5: 
 ...