Categoría Aprendizaje automático

Los árboles de decisión simples tienen el problema de ser menos precisos que otros algoritmos de regresión o clasificación, además de ser poco robustos ante pequeñas modificaciones de los datos con los que se elaboran. Se describen algunas técnicas para elaborar árboles de decisión combinados, como las de agregación por remuestreo y los bosques aleatorios, que tienen como objetivo mejorar la exactitud de las predicciones y evitar el sobreajuste de los modelos.

Un árbol de decisión es un modelo de aprendizaje automático que se utiliza para estimar una variable objetivo basándose en varias variables de entrada. Esta variable objetivo puede ser tanto numérica (árboles de regresión) como nominal (árboles de clasificación). Se describe la metodología de construcción de árboles de decisión para regresión y clasificación, así como su interpretación.

Una red neuronal consiste en una serie de capas de unidades de procesamiento, llamadas neuronas, que realizan transformaciones de los datos de entrada para generar un dato de salida. Se describen los fundamentos del funcionamiento interno de una red neuronal artificial.