Algoritmos de Machine Learning: Árboles de Decisión, Random Forest y Clustering
Enviado por Chuletator online y clasificado en Informática y Telecomunicaciones
Escrito el en
español con un tamaño de 3,08 KB
Árboles de Decisión
Fortalezas
- Clasificador de propósito general (regresión y clasificación) que se comporta bien en la mayoría de los problemas.
- Utiliza solo las variables más importantes.
- Se puede utilizar con pocos o muchos datos de entrenamiento.
- Da como resultado un modelo que se puede interpretar sin conocimiento matemático avanzado.
Debilidades
- Suelen estar sesgados a splits en variables que tienen muchos niveles.
- Pueden tener problemas al modelar ciertas relaciones.
- Pequeños cambios en los datos de entrenamiento dan lugar a grandes cambios en la lógica de decisión.
- Los árboles grandes son difíciles de interpretar.
- Propensos al overfitting o underfitting.
Ventajas
- Computación eficiente.
- Invariantes a las transformaciones de las variables.