rbol de decisin

De Wikipedia, la enciclopedia libre

Saltar a navegacin, bsqueda Un rbol de decisin es un modelo de prediccin utilizado en el mbito de la inteligencia artificial. Dada una base de datos se construyen diagramas de construcciones lgicas, muy similares a los sistemas de prediccin basados en reglas, que sirven para representar y categorizar una serie de condiciones que ocurren de forma sucesiva, para la resolucin de un problema. Un rbol de decisin tiene unas entradas las cuales pueden ser un objeto o una situacin descrita por medio de un conjunto de atributos y a partir de esto devuelve una respuesta la cual en ltimas es una decisin que es tomada a partir de las entradas. Los valores que pueden tomar las entradas y las salidas pueden ser valores discretos o continuos. Se utilizan ms los valores discretos por simplicidad, cuando se utilizan valores discretos en las funciones de una aplicacin se denomina clasificacin y cuando se utilizan los continuos se denomina regresin. Un rbol de decisin lleva a cabo un test a medida que este se recorre hacia las hojas para alcanzar as una decisin. El rbol de decisin suele contener nodos internos, nodos de probabilidad, nodos hojas y arcos. Un nodo interno contiene un test sobre algn valor de una de las propiedades. Un nodo de probabilidad indica que debe ocurrir un evento aleatorio de acuerdo a la naturaleza del problema, este tipo de nodos es redondo, los dems son cuadrados. Un nodo hoja representa el valor que devolver el rbol de decisin y finalmente las ramas brindan los posibles caminos que se tienen de acuerdo a la decisin tomada. De forma ms concreta, refirindonos al mbito empresarial, podemos decir que los rboles de decisin son diagramas de decisiones secuenciales nos muestran sus posibles resultados. stos ayudan a las empresas a determinar cuales son sus opciones al mostrarles las distintas decisiones y sus resultados. La opcin que evita una prdida o produce un beneficio extra tiene un valor. La habilidad de crear un opcin, por lo tanto, tiene un valor que puede ser comprado o vendido.

Vase tambin [editar]

rboles de decisin. El rbol de decisin es un diagrama que representan en forma secuencial condiciones y acciones; muestra qu condiciones se consideran en primer lugar, en segundo lugar y as sucesivamente. Este mtodo permite mostrar la relacin que existe entre cada condicin y el grupo de acciones permisibles asociado con ella. Un rbol de decisin sirve para modelar funciones discretas, en las que el objetivo es determinar el valor combinado de un conjunto de variables, y

basndose en el valor de cada una de ellas, determinar la accin a ser tomada. Los rboles de decisin son normalmente construidos a partir de la descripcin de la narrativa de un problema. Ellos proveen una visin grfica de la toma de decisin necesaria, especifican las variables que son evaluadas, qu acciones deben ser tomadas y el orden en la cual la toma de decisin ser efectuada. Cada vez que se ejecuta un rbol de decisin, solo un camino ser seguido dependiendo del valor actual de la variable evaluada. Se recomienda el uso del rbol de decisin cuando el nmero de acciones es pequeo y no son posibles todas las combinaciones. Uso de rboles decisiones. El desarrollo de rboles de decisin beneficiado analista en dos formas. Primero que todo, la necesidad de describir condiciones y acciones llevan a los analistas a identificar de manera formal las decisiones que actualmente deben tomarse. De esta forma, es difcil para ellos pasar por alto cualquier etapa del proceso de decisin, sin importar que este dependa de variables cuantitativas o cualitativas. Los rboles tambin obligan a los analistas a considerar la consecuencia de las decisiones. Se ha demostrado que los rboles de decisin son eficaces cuando es necesario describir problemas con ms de una dimensin o condicin. Tambin son tiles para identificar los requerimientos de datos crticos que rodean al proceso de decisin, es decir, los rboles indican los conjuntos de datos que la gerencia requiere para formular decisiones o tomar acciones. El analista debe identificar y elaborar una lista de todos los datos utilizados en el proceso de decisin, aunque el rbol de decisin no muestra todo los datos. Si los rboles de decisin se construyen despus de completar el anlisis de flujo de datos, entonces es posible que los datos crticos se encuentren definidos en el diccionario de datos (el cual describe los datos utilizados por el sistema y donde se emplean). Si nicamente se usan rboles de decisiones, entonces el analista debe tener la certeza de identificar con precisin cada dato necesario para tomar la decisin. Los rboles de decisin no siempre son la mejor herramienta para el anlisis de decisiones. El rbol de decisiones de un sistema complejo con muchas secuencias de pasos y combinaciones de condiciones puede tener un tamao considerable. El gran nmero de ramas que pertenecen a varias trayectorias constituye ms un problema que una ayuda para el anlisis. En estos casos los analistas corren el riesgo de no determinar qu polticas o estrategias de la empresa son la gua para la toma de decisiones especficas. Cuando aparecen estos problemas, entonces es momento de considerar las tablas de decisin.

Ejemplo de rbol de Decisin.

Mtodos de Ordenamiento Mtodo de la burbuja (BubleSort) Es uno de los mtodos ms extendidos y ms fciles, pero a la vez es uno de los menos eficaces. Este mtodo se basa en la ordenacin por cambio de elementos, ya que se van comparando de dos en dos los elementos de la tabla. Si nosotros deseamos ordenar dicha tabla de menor a mayor (ascendente) al realizar la comparacin entre dos elementos se produce el intercambio en el momento en el que el primer elemento es mayor que el segundo. De esta forma el elemento ms grande pasa a estar en el ltimo lugar de la tabla. El elemento sube por la tabla, al igual que una burbuja en un recipiente, de ah proviene su nombre. Los pasos a seguir utilizando este mtodo son los siguientes, imaginando que deseamos realizar una ordenacin creciente: 1.- Se compara el primer elemento con el segundo. Si estn desordenados se intercambian. Luego se mira el segundo con el tercero, intercambiando tambin si es necesario. As hasta que llegamos al ltimo elemento. De esta forma tenemos en la ltima posicin de nuestra tabla el elemento ms grande. 2.- Repetimos lo mismo que antes pero ahora con todos los elemento, menos el ltimo, que ya est ordenado. 3.- Repetimos el primer paso pero esta vez con otro elemento menos, ya que este tambin est ordenado. Este mtodo finaliza en el momento en el que se han realizado tantas pasadas como objetos - 1 hay en la lista. Su hace menos 1 pasadas porque el primero de los objetos, como es lgico si pensamos que los dems ya estn ordenados, ya est ordenado. Ejemplo con Algoritmo. Para comprobar que no se ha realizado ningn tipo de cambio necesitaremos insertar una variable de tipo booleana que solo permitir dos valores,

Verdadero o Falso. 1- Indice = 1 2- Repetir 3- Ordenado = Verdadero 4- Mientras Indice2 <> TotalElem - 1 hacer 5- Si Tabla(Indice2) > Tabla(Indice + 1) Entonces 6- Intercambiar Tabla(Indice2), Tabla(Indice2 + 1) 7- Ordenado = Falso 8- Fin Si 9- Indice2 = Indice2 + 1 10- Fin Mientras 11- Hasta que Indice > TotalElem - 1 o Ordenado = Verdadero Mtodo de ordenacin rpida (Quicksort). Este mtodo se basa en la tctica "divide y vencers" , que consiste en ir subdividiendo el array en arrays ms pequeos, y ordenar stos. Para hacer esta divisin, se toma un valor del array como pivote, y se mueven todos los elementos menores que este pivote a su izquierda, y los mayores a su derecha. A continuacin se aplica el mismo mtodo a cada una de las dos partes en las que queda dividido el array. Normalmente se toma como pivote el primer elemento de array, y se realizan dos bsquedas: una de izquierda a derecha, buscando un elemento mayor que el pivote, y otra de derecha a izquierda, buscando un elemento menor que el pivote. Cuando se han encontrado los dos, se intercambian, y se sigue realizando la bsqueda hasta que las dos bsquedas se encuentran. Por ejemplo, para dividir el array {21,40,4,9,10,35}, los pasos seran: {21,40,4,9,10,35} <-- se toma como pivote el 21. La bsqueda de izquierda a derecha encuentra el valor 40, mayor que pivote, y la bsqueda de derecha a izquierda encuentra el valor 10, menor que el pivote. Se intercambian: {21,10,4,9,40,35} <-- Si seguimos la bsqueda, la primera encuentra el valor 40, y la segunda el valor 9, pero ya se han cruzado, as que paramos. Para terminar la divisin, se coloca el pivote en su lugar (en el nmero encontrado por la segunda bsqueda, el 9, quedando: {9,10,4,21,40,35} <-- Ahora tenemos dividido el array en dos arrays ms pequeos: el {9,10,4} y el {40,35}, y se repetira el mismo proceso * El Metodo Quick Sort*/ public class QuickAl extends Metodo { public void QuickSort(int a[], int iz, int de) throws Exception { int i = iz; int j = de; int mitad = a [(iz+de)/2];

do { while(a[i] < mitad) { i++; } while(a[j] > mitad) { j--; } if ( i <= j) { int aux = a[i]; a[i] = a[j]; a[j] = aux; i++; j--; } pause(i,j); }while (i <= j); if( j > iz ) QuickSort( a, iz, j ); if( i < de ) QuickSort( a, i, de ); }
Ejemplo De Arboles De Decision - Presentation Transcript
1.

o o
2.

3.

4.

5. 6. 7.

Por: Diego Herrera Clasificacin automtica de fotografas o En la actualidad, el manejo de imagenes se ha hecho cada vez mas masivo, a partir de la popularizacion de los medios fotograficos como son las camaras digitales, asi mismo la difusion de estas a traves de la red(internet) o Lo que se pretende realizar es un medio de catalogar las imagenes, realizando agrupaciones, clasificaciones, ayudando a mejorar la busqueda de stas. Datos Disponibles o Para poder realizar este ejemplo se ha dispuesto de una coleccin de 200 fotografas , las mismas que han sido separadas en cuatro grupos , segn las categoras definidas. o La principal idea es que cada categora debera presentar ciertas dominantes de color, o intensidad de color (incluido el negro). Coleccin de imgenes utilizadas o Nocturnas o Urbanas o Retratos y o Paisajes Cargando Datos WEKA rbol de Decisin Resultados Obtenidos o Una vez implementado el modelo de rbol de decisin(J48) hemos obtenidos los siguientes resultados: o Number of Leaves : 22 o Size of the tree : 43 o Time taken to build model: 0.08 seconds o === Stratified cross-validation === o Correctly Classified Instances 130 65 % o Incorrectly Classified Instances 70 35 % o === Detailed Accuracy By Class === o Precision Class o 0.571 paisaje o 0.477 urbana

0.962 nocturna 0.564 gente 8. Resultados Obtenidos a b c d Classified as 28 13 0 8 a = paisaje 14 21 0 9 b = urbana 0 0 50 2 c = nocturna 8 16 0 31 d = gente 9. Resultados Obtenidos 10. Conclusiones o De los resultados obtenidos en la ejecucin de los diferentes modelos, se analizaron algunos indicadores de la salida obtenida en cada caso. Concretamente, se utiliz como medio de comparacin, los indicadores de correctitud de instancias clasificadas, el detalle de precisin de clasificacin por clases, y la matriz de confusin de cada caso. 11. Bibliografa o Gomez, Daniel. 2007. Clasificacion automatica de fotografias. [En lnea] 2007. [Citado el: 22 de 04 de 2009.] http://www.dcc.uchile.cl/~dgomez/universidad.php?

o o