Arboles para la toma de decisiones (Inteligencia Artificial)
Horas: 10 Formato: HTML
Descripción
1. Los árboles de decisión como técnica de representación del conocimiento.
- Cuándo es adecuado el uso de los árboles de decisión.
- Ventajas y desventajas de los árboles de decisión.
2. Tarea de inducción.
3. Algoritmo ID3: algoritmo básico de aprendizaje.
- Cómo seleccionar el atributo cuyo conocimiento aporta mayor información.
- Espacio de hipótesis.
4.1. En qué se basa ID3 para generalizar el árbol de decisión.
5. Criterios de selección de atributos.
- Índice Gini.
- Proporción de ganancia.
6. Sobreajuste y poda de árboles.
- Cómo saber el tamaño del árbol adecuado.
7. Precisión de la clasificación.
8. Algoritmo C4.5: simplificación de árboles de decisión mediante poda.
- Estimación de la precisión en C4.5.
9. Herramienta software para el análisis de conocimiento: Weka.
- Ejemplo ejecución algoritmo C4.5 (J48 en Weka).