Términos fundamentales del árbol de decisión.
Mapa mental de conceptos de árbol de decisión
1. 9. UnderFeeding.
1.1. Es cuando el modelo es demasiado general.
1.1.1. Capta bien los casos pero se equivoca en la predicción.
2. 8. OverFeeding.
2.1. Cuando un modelo de vicia con los datos que se entrena.
2.1.1. Y de esa forma solo es bueno para predecir los datos que ya conoce.
3. 5. Aprendizaje Supervisado.
3.1. Se le enseña a la maquina para predecir una variable de respuesta.
3.1.1. Aquí es la máquina comiza a encontrar patrones.
3.1.1.1. Su principal función es predecir.
3.2. Se le conoce como aprendizaje de maquina.
4. 6. Aprendizaje no Supervisado.
4.1. Aprendizaje donde no existe una variable de respuesta.
4.2. Se busca entender los patrones naturales de comportamiento.
5. 7. Predicción.
5.1. Predice variables de respuestas categóricas
6. 1. Entropia.
6.1. Mide el desorden existente de un sistema o conjunto.
6.1.1. Tiene relevancia en la fase de recolección de datos.
6.1.1.1. Características:
6.1.1.1.1. Almacenamiento.
6.1.1.1.2. Origen de datos.
6.1.1.1.3. Valor.
6.1.2. Siempre se busca ordenar el conjunto.
7. 2. Variables.
7.1. Etiquetada:
7.1.1. Variable de respuesta a predecir.
7.2. De Respuesta:
7.2.1. se le denomina a la variable que se quiere predecir.
7.3. Categórica:
7.3.1. Puede ser una palabra que asigne una categoría.
7.4. Númerica:
7.4.1. Se representa por cualquier número.
7.4.1.1. Natural.
7.4.1.2. Decimal.
7.4.1.3. Entero.
8. 3. Training Set.
8.1. Parte de la data que se ocupa para entrenar al modelo.
8.1.1. Usualmente se ocupa el 70% de los datos.
9. 4. Testing Set.
9.1. Parte de la data que se ocupa para poner a prueba el modelo.
9.1.1. En general solo es el 30% de los datos.