clsificacion id3

Clasificador ID3
Inteligencia Artificial II
Definición
El clasificador ID3 (Induction Decisión Trees) permite crear árboles de decisión basándose en un conjunto de entrenamiento, fue diseñadoen los 80’s por J. Ross Quinlan
Objetivo
El objetivo del ID3 es crear una descripción eficiente de un conjunto de datos mediante la utilización de un árbol de decisión. Dados datos consistentes,es decir, sin contradicción entre ellos, el árbol resultante describirá el conjunto de entrada a la perfección. Además el árbol puede ser utilizado para predecir los valores de nuevos datos,asumiendo siempre que el conjunto de datos sobre el cual se trabaja es representativo de la totalidad de los datos.
Terminología
Hay dos conceptos importantes a tener en cuenta en el algoritmo ID3: Laentropía y el árbol de decisión.

Entropía: Se utiliza para encontrar el parámetro más significativo en la caracterización de un clasificador.
Árbol de decisión: Es un medio eficiente eintuitivo para organizar los descriptores que pueden ser utilizados con funciones predictivas.
Metodología ID3
Ejemplo: Juego de tenis
Supongamos que queremos analizar cuáles días son convenientespara jugar tenis basándonos en la humedad, el viento y el estado del tiempo.
Los datos que se utilizarán se presentan en la siguiente tabla:
Conjunto de Entrenamiento
Paso 1: Tabla defrecuencias
El primer paso del ID3 es la construcción de la tabla de frecuencias, Para lo cual se identifica cuantos atributos existen y que dominio tienen. Una vez realizado esto, se construye una tablapara cada atributo.
El siguiente paso es contabilizar cuantas veces aparece cada valor de dominio en las clases posibles, para este ejemplo las clases posibles (conclusiones) son: SI es posiblejugar tenis o NO es posible jugar tenis.
Tabla de Frecuencias
Paso 2: Entropia del Conjunto
Los valores que se utilizan para el cálculo de la entropía del conjunto se obtienen contabilizando el...