dsdsd

UNIVERSIDAD ANDINA DEL CUSCO
FACULTAD DE INGENIERIA
CARRERA PROFESIONAL DE INGENIERIA DE SISTEMAS





PRESENTADO POR:
Pérez Santisteban Samuel.
Navarro Huamán Luis.



CUSCO-PERU
2014
Introducción a los Árboles de decisión
Un árbol de decisión se puede utilizar como un modelo para unos secuenciales problemas de decisión bajo incertidumbre. El árbol de decisión describegráficamente las decisiones a tomar, los acontecimientos que se puedan producir, y los resultados asociados con las combinaciones de las decisiones y actos. Las probabilidades se asignan a los eventos y valores se determinan para cada resultado. Un objetivo importante del análisis es determinar las mejores decisiones.
Árboles de decisión (DT) son un no paramétrico supervisado método utilizado para laclasificación y la regresión de aprendizaje. El objetivo es crear un modelo que predice el valor de una variable de destino por el aprendizaje de reglas simples decisiones inferidas de las funciones de datos.
Por ejemplo, en el siguiente ejemplo, los árboles de decisión aprenden de datos para aproximarse a una curva sinusoidal con un conjunto de reglas de decisión si-entonces-sino. Cuanto másprofundo es el árbol, son más complejos las reglas de decisión y el montador del modelo.
Estructura del árbol de decisión:
Modelos de árbol de decisión incluyen conceptos tales como nodos, ramas, valores terminales, la estrategia, rentabilidad distribución, seguro equivalente, y el método rollback. El problema siguiente ilustra los conceptos básicos.
1. Nodos y ramas:
Los árboles de decisióntienen tres tipos de nodos y dos tipos de ramas. Un nodo de decisión es un punto donde una elección debe hacerse; se muestra como un cuadrado. Las ramas que se extienden desde una decisión nodo son ramas de decisión, cada rama que representa una de las posibles alternativas o cursos de acción disponible en ese momento. El conjunto de alternativas debe ser mutuamente excluyente (si uno es elegido,
Losotros no pueden ser elegidos) y colectivamente exhaustivos (todas las alternativas posibles deben ser incluidos en el conjunto).
Un nodo evento es un punto en el que se resuelva la incertidumbre (un punto en el que toma las decisiones aprende sobre la ocurrencia de un evento). Un nodo evento, a veces llamado un "nodo de oportunidad", se muestra como un círculo. El conjunto de eventos consta delas ramas de eventos que se extienden desde un nodo de evento, cada rama
Representa uno de los posibles eventos que pueden ocurrir en ese punto. El conjunto de eventos debe ser mutuamente excluyentes (si ocurre, los demás no pueden ocurrir) y colectivamente exhaustivos (todo posibles eventos deben ser incluidos en el set). Cada evento se le asigna una probabilidad subjetiva; la suma de lasprobabilidades de los eventos en un conjunto debe ser igual a uno.
2. Valores de terminales en árboles de decisión:
Cada nodo terminal tiene un valor terminal asociado, a veces llamado un valor recompensa, resultado valor o valor de punto final. Cada valor terminal mide el resultado de un escenario: la secuencia de decisiones y eventos en un único camino que va desde el nodo de decisión inicial de unterminal específico nodo. Para determinar el valor terminal, un enfoque asigna un valor de flujo de efectivo para cada decisión rama y rama evento y luego suma los valores de flujo de efectivo en las ramas principales a un terminal nodo para determinar el valor terminal. Algunos problemas requieren un modelo de valor más elaborado a determinar los valores finales.
3. Método rollback:
Si tenemos unmétodo para determinar ciertos equivalentes (valores esperados para un riesgo neutral tomador de decisiones), no necesitamos examinar todas las estrategias posibles de forma explícita. En lugar de ello, el método conocido como rollback determina la mejor estrategia.
El algoritmo de reversión, a veces llamado inducción hacia atrás o "fuera media y doble vuelta" comienza a los nodos terminales...