<\/span><\/h2>\nPero no todo iba a ser ventajas. Los \u00e1rboles de decisi\u00f3n tienen, por el contrario, la limitaci\u00f3n que su estructura otorga a la hora de clasificar<\/em> (limitaci\u00f3n que, por ejemplo, podr\u00edamos suplir con las redes neuronales). As\u00ed pues, estar\u00e1 en la decisi\u00f3n del analista lidiar con otro tipo de equilibrio: \u00bfprecisi\u00f3n o interpretabilidad?<\/strong> Aqu\u00ed entrar\u00e1n en juego otros factores, como el grado de conocimiento en anal\u00edtica del usuario de la soluci\u00f3n: si prefiere una herramienta capaz de otorgar una gran precisi\u00f3n en su desempe\u00f1o (aunque su interpretabilidad sea parecida a una \u201ccaja negra m\u00e1gica\u201d) o quiere algo que pueda entender, aun a riesgo de perder precisi\u00f3n.<\/p>\n <\/p>\n
Clasificaci\u00f3n realizada por un \u00e1rbol de decisi\u00f3n<\/p>\n
Para no quedar de agoreros, y contrario a lo que pueda parecer por su simpleza, los \u00e1rboles de decisi\u00f3n se han resuelto como unas herramientas con mejor desempe\u00f1o en la pr\u00e1ctica, lo que unido a su f\u00e1cil comprensi\u00f3n los convierten en una de las soluciones m\u00e1s frecuentemente usadas.<\/strong><\/p>\n<\/span>\u00bfC\u00d3MO APLICAR ESTO A MI EMPRESA?<\/span><\/h2>\nSe han aplicado en multitud de campos, con lo que seguro puede amoldarse al caso de su empresa. Basta con plantear adecuadamente el problema. Sea por ejemplo:<\/p>\n
\nDeterminar si un cliente podr\u00e1 o no hacer cargo de un pr\u00e9stamo en funci\u00f3n de sus caracter\u00edsticas y el hist\u00f3rico de clientes.<\/li>\n Evaluar el lanzamiento de una marca en un nuevo mercado en funci\u00f3n de experiencias pasadas.<\/li>\n Optimizar el uso eficiente de habitaciones de hospital en funci\u00f3n de los atributos de los pacientes.<\/li>\n Definir la estrategia de marketing en una zona geogr\u00e1fica concreta.<\/li>\n<\/ul>\nLos atributos no tienen por qu\u00e9 ser discretos, escogi\u00e9ndose el punto medio de los atributos continuos como punto de divisi\u00f3n. Muchas son las \u00e1reas en la toma de decisiones que se pueden beneficiar al usar estos \u00e1rboles, los cuales ayudan en la resoluci\u00f3n de problemas claves. Y las empresas, si necesitan algo, son soluciones.<\/p>\n
<\/p>\n
<\/span>\u201cThe possible solutions to given problem emerge as the leaves of a tree, each node representing a point of deliberation and decision<\/i>\u201d. – Niklaus Wirth.<\/span><\/h3>\n<\/span>COMPARTE ESTE POST<\/span><\/h4>\n","protected":false},"excerpt":{"rendered":".. LOS \u00c1RBOLES DE DECISI\u00d3N Si hay unos modelos usados en anal\u00edtica que son efectivos en el campo del aprendizaje supervisado, y a la vez intuitivos (especialmente en los escenarios de clasificaci\u00f3n) son sin duda los \u00e1rboles de decisi\u00f3n. Todos pueden entender el enfoque te\u00f3rico que hay detr\u00e1s de un \u00e1rbol de decisi\u00f3n, porque es […]<\/p>\n","protected":false},"author":1,"featured_media":1358,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"categories":[111,29],"tags":[],"acf":[],"yoast_head":"\n
ATERRIZANDO LA REVOLUCI\u00d3N 4.0\u2026(II parte) | LIS Data Solutions<\/title>\n \n \n \n \n \n \n \n \n \n \n \n\t \n\t \n\t \n \n \n \n\t \n\t \n\t \n