Árboles de regresión y clasificación

Abstract

Los árboles de decisión constituyen una de las metodologías más extendidas en el ámbito del aprendizaje estadístico. Se pueden aplicar tanto a problemas de regresión como de clasificación y se caracterizan por su simplicidad y fácil interpretación. En este trabajo se presenta una revisión de la metodología básica necesaria para la construcción de árboles de decisión. Explicaremos paso por paso el proceso de construcción de un árbol, su expansión y podado hasta alcanzar un tamaño adecuado, así como la validación final del modelo. Además, haremos una breve revisión de otras técnicas más complejas basadas en árboles de decisión, que pueden mejorar la capacidad predictiva de los mismos.

Decision trees are one of the most spread methodologies in statistical learning. They have been applied in both regression and classification problems, and have become popular thanks to it’s simplicity and easy interpretation. This work presents a revision in the basic methodology needed to build decision trees. We will explain how to build a tree, from the expansion and pruning to reach it’s appropriate size, to the validation of the final model. Moreover, we will review some other more complex techniques based in decision trees, which allows the creation of far more accurate models