Decision Tree
Un árbol de decisión divide recursivamente el espacio de datos; cada nodo interno se ramifica según el umbral de una característica y cada hoja produce una predicción, ofreciendo una fuerte interpretabilidad.
Propósito
Proporcionar un modelo interpretable de clasificación y regresión, base de los bosques aleatorios y del gradient boosting.
Mecanismo
Las divisiones maximizan la ganancia de información (ID3/C4.5) o minimizan la impureza de Gini (CART). La recursión continúa hasta cumplir criterios de pureza o límites de profundidad. La poda evita el sobreajuste.
Casos de uso
- Clasificación y regresión
- ML interpretable
- Selección de características