Prezi

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in the manual

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Arboles de Decisión

No description
by lilian patino on 4 November 2011

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Arboles de Decisión

Arboles de Decisión Construir un arbol Como hacerlo? Herramientas para construir Arboles de Decisión Algunos ejemplos con las herramientas weka: Jugar tenis? Técnicas de minería
de Datos Basadas en Inteligencia
artificial Estadistícas Tipos Redes
neuronales Metodos basados en
Arboles de decisión Algoritmos geneticos Clustering Aprendizaje
automatico Diagramas que representan
en forma secuencial
condiciones y acciones Son normalmente construidos
a partir de la descripción de la
narrativa de un problema Ventajas La regla de asignación son simples y legibles, por tanto la interpretación de resultados es directa e intuitiva. Es valida sea cual fuera la naturaleza de las variables explicativas: continuas, binarias nominales u ordinarias. Es un modelo de predicción utilizado en el ámbito de la inteligencia artificial Es una técnica no parametrica que tinen en cuenta las interecciones que pueden existir entre los datos. Terminología Nodo de decisión: Indica que una
decisión necesita tomarse en
ese punto del proceso Nodo de probabilidad: Indica que en ese punto del proceso ocurre
un evento aleatorio.
Rama: Nos muestra los distintos caminos que se pueden emprender cuando tomamos una decisión o bien ocurre algún evento aleatorio
Donde se pueden
utilizar? 15 5 17 21 25 24 23 16 13 11 6 3 1 Busqueda
Binaria X 0 X X X X X X X X X X X X X X X X 0 0 0 0 0 0 0 0 0 2 2 2 2 1 Arboles de
Juegos Presion Arterial? Azucar en la
sangre? Indices de
colesterol? SI SI NO SI Alergia a
antibioticos? SI Otras alergias? SI NO Arboles en Sistemas
Expertos Alta Media Baja Alta Alto Bajo Bajo No Si Si No Son una aplicacion de los arboles de decision. Juego la vieja. posicion de juego y sus posibles continuaciones Arboles de
Juegos Busqueda
Binaria Algunos procesos
que emplean A.D Los arboles de decision se destacan por su sencilles y pueden utilizarse en diversas areas tales como: Reconocimiento de senales de radar. Reconocimiento
de caracteres. Sensores remotos Sistemas expertos. Diagnosticos
medicos Juegos Prediccion metereologica Algoritmos de arboles de decision: NewId CART C4.5 CHAID 3 2 3 4
Introducido por Quinlan (1983) dentro de la comunidad de “Aprendizaje Automatico”. Chi-cuadrado de detección automática de la interacción
Está disponible como un modulo del paquete estadístico SPSS. El criterio para particionar está basado en X^2 Esta basado en C4.5 propiamente es un algoritmo de árboles de decisión binario. Existe una versión similar llamada IndCART y que está disponible en el paquete IND distribuido por la NASA El criterio para particionar es la impureza del nodo Arboles Bayesianos: Está basado en aplicación de métodos Bayesianos a arboles de decisión. Buntine (1992. Disponible en el paquete IND distribuido por la NASA. CN2 Ejemplos 2 Características 1. Un árbol de decisión es una forma gráfica y analítica de represertar todos los eventos (sucesos) que pueden surgir a partir de una decisión asumida en cierto momento. 2. Nos ayuda a tomar la decisión "más acertada" desde un punto de vista probabilistico, ante un abanico de posibles soluciones. Dibujar un cuadrado
3. Permite desplegar visualmente un problema y organizar el trabajo de calculos que deben realizarce. Relación con el Aprendizaje Automático y la Minería de Datos Partiendo de ese cuadrado
Método efectivo para la
toma de decisiones Representa la decisión a tomar
Claramente plantea el problema para que las opciones sean analizadas Permite analizar totalmente las posibles consecuencias de tomar una decision Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que no suceda. Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones. Los árbol de decisiónes son muy utilizados en el ámbito de la inteligencia artificial. Dibujar una línea por cada opción posible
Escribir la opción sobre la línea
Al final de cada línea considerar los resultados
Utiliza Base de datos para construir diagramas de sistema basado en los requerimientos del mismo Desventajas Las reglas de asignación son bastantes sencibles a pequenas perturbaciones en los datos. Si son inciertos (probables) dibujar un círculo
Dificultad para elegir el árbol óptimo. Los círculos representan resultados inciertos (probables)
La mineria de datos utiliza los arboles de decisiones para el analisis de los datos, y posterior estadisticas de ellas Los arboles de decisón requieren un gran número de datos para asegurarse que la cantidad de las observaciones de los nodos(hojas) es significativo. Si el resultado es otra decisión a tomar dibujar un cuadrado
Los cuadrados representan decisiones Por cada nuevo cuadrado
Es un método de aproximación de funciones robusto a la presencia de datos erróneos y es capaz de aprender expresiones disyuntivas Repetir el proceso como si fuera el primer cuadrado Por cada círculo
Dibujar una línea por cada resultado probable
En cada línea escribir el resultado probable
Repetir el proceso hasta que no queden cuadrados ni círculos sin líneas
Qué son? Arboles de decisión Dada una base de datos se desarrollan diagramas de construcciones lógicas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolución de un problema. Un árbol de decisión tiene entradas las cuales pueden ser un objeto, o una situación descrita por medio de un conjunto de atributos, y a partir de esto devuelve una respuesta la cual es una decisión que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos. Se utilizan más los valores discretos por simplicidad Softwares - Weka
- SPSS
- Excel Los AD se usan en los sistemas expertos por que son mas precisos que el hombre para poder desarrollar un diagnostico con respecto a algo, ya que el hombre puede dejar pasar sin querer algun detalle, en cambio la máquina mediante un sistema experto con un AD puede dar un resultado exacto. Los árboles de decisión proveen un método efectivo para la toma de decisiones Una deficiencia de esto es que puede llegar a ser más lento puesanaliza todas las posibilidades pero esto a su vez es lo que lo vuelve más preciso que al hombre. Claramente plantean el problema para que todas las opciones sean analizadas Se desea buscar un número X Permiten analizar totalmente las posibles consecuencias de tomar una decisión Búsqueda binaria es el método en el cual se parte el árbol en dos para realizar las busquedas. Permiten analizar totalmente las posibles consecuencias de tomar una decisión Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones Estrategia Magazine Articulo: La Técnica del Árbol para la Toma de Decisiones El uso de árboles de decisión tuvo su origen en las ciencias sociales El programa AID (Detección de interacción automática), fue uno de los primeros métodos de ajuste de los datos basados en árboles de clasificación SPSS: Presion Arterial? Conclusiones Links de interés http://users.dsic.upv.es/asignaturas/facultad/apr/decision.pdf

http://www.utm.mx/~jahdezp/archivos%20estructuras/DESICION.pdf http://www.slideshare.net/diego_for5/ejemplo-de-arboles-de-decision * Los Arboles de decisión son una manera simple de representar un problema, con sus respectivas soluciones y diferentes caminos que pueden ser tomados. * Son un modelo predictivo empleado en la inteligencia artificial. * La precision de los arboles de decisión les permite ser empleados en los sistemas expertos, pues a diferencia del ser humano suelen ser más eficaces, pues el ser humano puede dejar pasar algunos detalles importates. * En la actualidad existen diferentes algoritmos para aplicar arboles de decisión asi como támbien algoritmos para la poda de los arboles para obtener un árbol aun más confiable. * Los arboles de decisión son empleados en diferentes ambitos como lo pueden ser en metereologia, sistemas expertos, juegos, etc.
See the full transcript