LOGO

ÁRBOL DE DECISIÓN

CONFERENCISTA

Alexander Márquez Vega

Antecedentes

• Sonquist y Morgan (1964) • Morgan y Messenger (1979)

Survey Research Center del Institute for Social Research de la universidad de Michigan.El programa AID (Automatic Interaction Detection), de Sonquist, Baker y Morgan (1971), fue uno de los primeros métodos de ajuste de los datos basados en arboles de clasificación.

ÁRBOL DE DECISIÓN

• La comunidad de “ Machine Learning” (Michalski, 1973).

• La comunidad de “Pattern Recognition” (Henrichon y Fu, 1969).

ÁRBOL DE DECISIÓN

El árbol de decisión es un diagrama que representa en forma secuencial condiciones y acciones.

los arboles de decisión se destacan por su sencillez y pueden utilizarse en diversas áreas, tales como: reconocimiento de señales de radar, reconocimiento de caracteres, sensores remotos, sistemas expertos, diagnóstico médico, juegos, predicción meteorológica, control de calidad, etc.

ÁRBOL DE DECISIÓN

Su nombre proviene de la forma que adopta el modelo, parecido a un árbol. El modelo está conformado por múltiples nodos cuadrados, que representan puntos de decisión, y de los cuales surgen ramas (que deben leerse de izquierda a derecha), que representan las distintas alternativas. Las ramas que salen de nodos circulares, o casuales, representan los eventos.

ÁRBOL DE DECISIÓN

CARACTERISTICAS  1. Un árbol de decisión es una forma gráfica y

analítica de representar 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 probabilístico, ante un abanico de posibles soluciones.

3. Permite desplegar visualmente un problema y organizar el trabajo de cálculos que deben realizarse.

ÁRBOL DE DECISIÓN

proveen un método efectivo para la toma de decisiones debido a que:

1. Claramente plantean el problema para que todas las opciones sean analizadas.

2. Permiten analizar totalmente las posibles consecuencias de tomar una decisión.

3. Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda.

4. Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones.

ÁRBOL DE DECISIÓN

CLASIFICACION 

Arboles de decisión binario: Según Breiman (1984) consiste en un proceso de decisión multietápico.

ÁRBOL DE DECISIÓN

Arboles de juego: Es una aplicación del árbol de decisión, puesto que se genera el árbol de acuerdo al nivel de previsión y cada jugador va decidiendo que jugada le conviene más de acuerdo a le evaluación de una determinada posición.

 

ÁRBOL DE DECISIÓN

Arboles de decisión utilizados en sistemas expertos

ÁRBOL DE DECISIÓN

Fuente: http://users.dsic.upv.es/asignaturas/facultad/apr/decision.pdf

COMO DIBUJAR UN ARBOL DE DECISION

ÁRBOL DE DECISIÓN

Terminología

Nodo de Decisión: Indica que una decisión necesita tomarse en ese punto del proceso. Está representado por un cuadrado.

Nodo de Probabilidad: Indica que en ese punto del proceso ocurre un evento aleatorio. Está representado por un círculo.

Rama: Nos muestra los distintos caminos que se pueden emprender cuando tomamos una decisión o bien ocurre algún evento aleatorio.

ÁRBOL DE DECISIÓN

EJERCICIO DE ARBOL DE DECISION

La empresa DMG comercializadora de productos alimenticios, desea implementar un sistema de atención de enviarle las compras a los clientes en las casas, para implementar esta nueva modalidad de atención al cliente, la empresa realizo los estudios de ingresos y costos correspondientes, los cuales arrojaron las siguientes cifras tal como se detallan a continuación.

ÁRBOL DE DECISIÓN

Sistema Antiguo Sistema Nuevo

Ingresos Probabilidad ingresos Probabilidad $ 3.000.000 60% $ 4.000.000 70%

$ 4.000.000 30% $5.000.000 20%

$ 5.000.000 10% $6.000.000 10%

ÁRBOL DE DECISIÓN

Cifras de costo:

Sistema Antiguo Sistema Nuevo

Costo Fijo Costo Fijo$400.000 $600.000Costo Variable Costos Variables10% por pesos vendidos 5% por pesos vendidos

ÁRBOL DE DECISIÓN

ÁRBOL DE DECISIÓN

ÁRBOL DE DECISIÓN

ÁRBOL DE DECISIÓN

VENTAJAS DE LOS ARBOLES DE DECISION:

• 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 ordinales.

• Es una técnica no paramétrica que tiene en cuenta las interacciones que pueden existir entre los datos.

• Es computacionalmente rápido. 

ÁRBOL DE DECISIÓN

DESVENTAJAS DE LOS ARBOLES DE DECISION

• Las reglas de asignación son bastantes sensibles a pequeñas perturbaciones en los datos.

• Dificultad para elegir el árbol óptimo.• Ausencia de una función global de las variables y

como consecuencia perdida de la representación.• Los arboles de decisión requieren un gran número

de datos para asegurarse que la cantidad de las observaciones de los nodos (hoja) es significativa.

  

ÁRBOL DE DECISIÓN

ALEXANDER MARQUEZ VEGAGERALDINE VIVEROS RAMOS

ELICENIA ARAGON LEONMEDARDO CASTELLANOS MACHADO

ALEXANDRA MAESTRE OÑATEDAVID PUMAREJO ARIAS

LINA OLIVELLA SANTIAGOGUSTAVO DAZA MURILLO

WILFRIDO GAVIRIA HERNANDEZSANDRA LEAL PEÑA

CARELIS MIELES MIELESMARIA ANGELICA CORONEL DAZA

Gracias