1.1. Es la forma de aprendizaje que consiste en obtener una respuesta basada en algún algoritmo previamente establecido. Estas a su vez nos pueden indicar una regresión (números) o bien clasificaciones (patrones).
2. Aprendizaje no supervizado
2.1. Su funnción es meramente la de agrupación de conjuntos
3. Tipos de variable
3.1. Son aquellas que se determinan en el árbol de decisión estas deben ser de forma categórica y que respondan de acuerdo al nombre que se le dé a las multiples variables Ej: Si o No, las variables no pueden ser numéricas.
4. Predicción
4.1. Son las posibles respuestas a nuestro estudio de árbol de decisión. Estas nos ayudarán a ver cómo se comporta nuestro modelo.
5. Entropía
5.1. Nivel de desorden en un conjunto; lo que se busca es obtener un orden de éste conjunto.
6. Training Set
6.1. Es en donde se produce la prueba y error de nuestros datos, éste ocupa el la mayoría de los casos con un 70% de nuestros datos.
7. Testing Set
7.1. Es en donde nuestros datos cobran "vida" y se utiliza para realizar resultados y llegar a conclusiones, la mayoría de los casos se pone a trabajar con el complemento de datos que se utilizaron en el training set, osea el 30%
