unidad5 5 6 y 7 inv operaciones toñita
INSTITUTO DE ESTUDIOS SUPERIORES DE CHIAPAS
“UNIVERSIDAD SALAZAR”
PLANTEL PICHUCALCO
TRABAJO REALIZADO EN CUMPLIMIENTO DE LA MATERIA
INVESTIGACION DE OPERACIONES
PROF. ING. GENARO A. SANCHEZ CHAVARRIA
5TO. CUATRIMESTRE L.C.P.
ALUMNA: MA. ANTONIETA BELTRAN CRUZ
PICHUCALCO CHIAPAS A 19 DE AGOSTO DEL 2013.
INDICE
INTRODUCCION________________________________________________ 3
DESARROLLO __________________________________________________ 5
UNIDAD 5 ARBOL DE DECISIONES_________________________________13
5.1 MATRIZ DE PAGO____________________________________________13
5.2 ARBOL DE DECISIONES_______________________________________14
5.2.1 ESTRUCTURA COMPONENTE ________________________________15
5.2.2 ESQUEMA_________________________________________________15
UNIDAD 6 CADENAS MARKON____________________________________17
6.1 PREDICCIONES A CORTO PLAZO_______________________________18
UNIDAD 7 TEORIAS DE JUEGOS___________________________________19
7.1 JUEGOS SUMA CERO O ESTRATEGIA PURA Y MIXTA______________20
7.2 TEORIA MAXIMIN Y MINIMAX __________________________________21
7.3 JUEGO DE SUMA CERO ENTRE DOS PERSONAS_________________22
CONCLUSIÓN___________________________________________________24
BIBLIOGRAFIA___________________________________________________25
INTRODUCCION
Los árboles de clasificación (también llamados de decisión o de identificación) constituyen una aproximación radicalmente distinta a todas las estudiadas hasta el momento. Es uno de los métodos de aprendizaje inductivosupervisado no paramétrico más utilizado. Como forma de representación del conocimiento, los árboles de clasificación destacan por su sencillez. A pesar de que carecen de la expresividad de las redes semánticas o de la lógica de primer orden, su dominio de aplicación no está restringido a un ámbito concreto sino que pueden utilizarse en diversas áreas: diagnóstico médico, juegos, predicción meteorológica,control de calidad, etc.
Un árbol de clasificación es una forma de representar el conocimiento obtenido en el proceso de aprendizaje inductivo. Puede verse como la estructura resultante de la partición recursiva del espacio de representación a partir del conjunto (numeroso) de prototipos. Esta partición recursiva se traduce en una organización jerárquica del espacio de representación que puedemodelarse mediante una estructura de tipo árbol. Cada nodo interior contiene una pregunta sobre un atributo concreto (con un hijo por cada posible respuesta) y cada nodo hoja se refiere a una decisión (clasificación).
La clasificación de patrones se realiza en base a una serie de preguntas sobre los valores de sus atributos, empezado por el nodo raíz y siguiendo el camino determinado por lasrespuestas a las preguntas de los nodos internos, hasta llegar a un nodo hoja. La etiqueta asignada a esta hoja es la que se asignará al patrón a clasificar.
Entre los clasificadores basados en árboles descritos en la literatura (ID3, C4, C4.5, árboles Bayesianos, etc.) estudiaremos CART (acrónimo de Classification And Regression Trees o árboles de clasificación y regresión), propuesto por Breiman yotros en [B.1]. Las diferencias principales entre los distintos algoritmos de construcción de árboles de decisión radican en las estrategias de poda y en la regla adoptada para particionar nodos. Así, CART se caracteriza, fundamentalmente, por realizar particiones binarias y por utilizar una estrategia de poda basda en el criterio de coste-complejidad. Entre las dos aplicaciones de CART(clasificación y regresión) nos centraremos exclusivamente en la primera.
La metodología a seguir puede resumirse en dos pasos, y se esquematiza en la figura 70:
1. Aprendizaje. Consiste en la construcción del árbol a partir de un conjunto de prototipos, S. Constituye la fase más compleja y la que determina el resultado final. A esta fase dedicamos la mayor parte de nuestra atención.
2....
Regístrate para leer el documento completo.