Árboles de Decisión: el modelo C4.5

Abstract

Intuimos fácilmente lo que es un Árbol de Decisión. Nos imaginamos un conjunto de nodos y ramas por las que vamos decidiendo en base a preguntas o acciones que se nos plantean. Si tenemos que clasificar un evento, un conjunto de preguntas nos saldrán al paso según discurrimos por las ramas y las respuestas a ellas nos harán decantarnos por unas nuevas ramas y desdeñar otras. Existen formas automáticas de generar el mejor árbol de decisión dadas las características de un conjunto de datos y la variable a predecir. La idea es generar el árbol de decisión con alta capacidad predictiva pero lo menos profundo posible, con el menor número de preguntas, y lo más generalizable a eventos o ejemplares que no han participado en su generación. Es de esto de lo que se ocupará este texto. De estudiar una de esas formas: el algoritmo C4.5.