Glosario

Árbol de decisión

¿Qué es Árbol de decisión?

Un árbol de decisión es un modelo que representa una decisión como una secuencia de preguntas sencillas de sí o no: cada rama comprueba una característica y cada hoja da un resultado. En el aprendizaje automático, estos árboles se aprenden a partir de datos y se usan para clasificar o predecir. Su gran ventaja es que se entienden fácilmente, por ejemplo para ver por qué se marcó una solicitud de crédito según ingresos, plazo e historial de pagos.

Cómo ayuda KI.ordo

En los flujos de KI.ordo puedes modelar rutas de decisión sencillas con los bloques «Condición» (sí/no) y «Decisor IA» (hasta 8 categorías).

Más información →

Temas

Aprendizaje automático
Clasificación
Transparencia

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Regresión de bosque aleatorio

La regresión de bosque aleatorio (random forest) predice valores numéricos combinando muchos árboles de decisión. Cada árbol se entrena con una muestra aleatoria de los datos y una selección aleatoria de variables; el resultado es la media de las predicciones de todos los árboles. Así el método es más robusto y menos propenso al sobreajuste que un solo árbol. Se usa, por ejemplo, para previsiones de ventas, estimaciones de precios o demanda energética, a menudo como punto de partida sólido con datos tabulares.

regresión
método de conjunto
+1

Gradient boosting (potenciación del gradiente)

El gradient boosting es una técnica de aprendizaje automático que combina, uno tras otro, muchos modelos sencillos, normalmente pequeños árboles de decisión. Cada nuevo árbol se entrena para reducir los errores que dejaron los anteriores. Así se obtienen modelos muy precisos para datos tabulares, por ejemplo para riesgo de crédito, previsión de ventas o probabilidad de abandono. Implementaciones conocidas son XGBoost, LightGBM y CatBoost; hace falta un ajuste cuidadoso para evitar el sobreajuste.

Aprendizaje automático
Método de ensamble
+1

Clasificador

Un clasificador es un modelo o método que asigna una entrada a una de varias categorías predefinidas. Las variantes clásicas, como los árboles de decisión o Naive Bayes, se entrenan con ejemplos etiquetados; los modelos de lenguaje también pueden clasificar textos a partir de una descripción de las categorías. Usos típicos son detectar spam, ordenar consultas de clientes por tema o clasificar justificantes. La calidad se mide con métricas como exactitud, precisión y exhaustividad (recall).

Clasificación
Aprendizaje automático
+1

Plantilla

Heurísticas

Las heurísticas son reglas prácticas o estrategias simplificadas que llevan, en un tiempo razonable, a una solución buena aunque no necesariamente óptima. En informática e IA sirven para acotar espacios de búsqueda enormes, por ejemplo en la planificación de rutas, donde la distancia en línea recta al destino sirve de estimación, o en el ajedrez, donde se valoran las posiciones. También las usamos en la vida diaria y en decisiones empresariales, con el riesgo de caer en sesgos sistemáticos.

Resolución de problemas
Algoritmos
+1