Your SlideShare is downloading. ×
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Arbol de decision
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Arbol de decision

49,203

Published on

Published in: Business
8 Comments
22 Likes
Statistics
Notes
No Downloads
Views
Total Views
49,203
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
911
Comments
8
Likes
22
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Árbol de decisión
    CONFERENCISTA
    Alexander Márquez Vega
  • 2. Árbol de decisión
    Antecedentes
    • Sonquisty Morgan (1964)
    • 3. Morgan y Messenger (1979)
    SurveyResearch Center del Institutefor Social Research de la universidad de Michigan.
    El programa AID (AutomaticInteractionDetection), de Sonquist, Baker y Morgan (1971), fue uno de los primeros métodos de ajuste de los datos basados en arboles de clasificación.
  • 4. Árbol de decisión
    • La comunidad de “ Machine Learning” (Michalski, 1973).
    • 5. La comunidad de “PatternRecognition” (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.
  • 6. 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.
  • 7. Árbol de decisión
    CARACTERISTICAS
     
    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.
    Nos ayuda a tomar la decisión “más acertada”, desde un punto de vista probabilístico, ante un abanico de posibles soluciones.
    Permite desplegar visualmente un problema y organizar el trabajo de cálculos que deben realizarse.
  • 8. Árbol de decisión
    proveen un método efectivo para la toma de decisiones debido a que:
    Claramente plantean el problema para que todas las opciones sean analizadas.
    Permiten analizar totalmente las posibles consecuencias de tomar una decisión.
    Proveen un esquema para cuantificar el costo de un resultado y la probabilidad de que suceda.
    Nos ayuda a realizar las mejores decisiones sobre la base de la información existente y de las mejores suposiciones.
  • 9. Árbol de decisión
    CLASIFICACION
     
    Arboles de decisión binario: Según Breiman(1984) consiste en un proceso de decisión multietápico.
  • 10. 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.
     
  • 11. Árbol de decisión
    Arboles de decisión utilizados en sistemas expertos
    Fuente: http://users.dsic.upv.es/asignaturas/facultad/apr/decision.pdf
  • 12. Árbol de decisión
    COMO DIBUJAR UN ARBOL DE DECISION
  • 13. 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.
  • 14. 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.
  • 15. 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%
  • 16. Árbol de decisión
    Cifras de costo:
    Sistema Antiguo Sistema Nuevo
    Costo Fijo Costo Fijo
    $400.000 $600.000
    Costo Variable Costos Variables
    10% por pesos vendidos 5% por pesos vendidos
  • 17. Árbol de decisión
  • 18. Árbol de decisión
  • 19. 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.
    • 20. Es valida sea cual fuera la naturaleza de las variables explicativas: continuas, binarias nominales, u ordinales.
    • 21. Es una técnica no paramétrica que tiene en cuenta las interacciones que pueden existir entre los datos.
    • 22. Es computacionalmente rápido.
     
  • 23. Árbol de decisión
    DESVENTAJAS DE LOS ARBOLES DE DECISION
    • Las reglas de asignación son bastantes sensibles a pequeñas perturbaciones en los datos.
    • 24. Dificultad para elegir el árbol óptimo.
    • 25. Ausencia de una función global de las variables y como consecuencia perdida de la representación.
    • 26. Los arboles de decisión requieren un gran número de datos para asegurarse que la cantidad de las observaciones de los nodos (hoja) es significativa.
     
     
  • 27. Árbol de decisión
    ALEXANDER MARQUEZ VEGA
    GERALDINE VIVEROS RAMOS
    ELICENIA ARAGON LEON
    MEDARDO CASTELLANOS MACHADO
    ALEXANDRA MAESTRE OÑATE
    DAVID PUMAREJO ARIAS
    LINA OLIVELLA SANTIAGO
    GUSTAVO DAZA MURILLO
    WILFRIDO GAVIRIA HERNANDEZ
    SANDRA LEAL PEÑA
    CARELIS MIELES MIELES
    MARIA ANGELICA CORONEL DAZA
    Gracias

×