diff --git a/07-tbm.Rmd b/07-tbm.Rmd index 1cb7571..ab640ef 100644 --- a/07-tbm.Rmd +++ b/07-tbm.Rmd @@ -1,6 +1,6 @@ # Métodos basados en árboles (Jhan) -Las decisiones basadas en árboles se usan para problemas de regresión y de clasificación. Las decisiones basadas en árboles utilizan series de reglas de **si y entonces** para hacer predicciones y tomar decisiones basadas en uno o mas árboles. El objetivo de este procedimiento es estratificar, dividir, ramificar o segmentar los predictores en diferentes regiones simples. En resumen, podemoes tomar decisiones basadas en árboles utilziando reglas de remificación para segmentar los predictores simplificandoles en forma de árboles. Normalmente, estas decisiones son mucho mas sencillas de interpretar que otros métodos que hemos hablado anteriormente. En este capítulo, vamos hablar sobre tres métodos diferentes: **bagging**, **bosques aleatorios** y **impulso o boosting en inglés**. +Las decisiones basadas en árboles se usan para problemas de regresión y de clasificación. Las decisiones basadas en árboles utilizan series de reglas de **si y entonces** para hacer predicciones y tomar decisiones basadas en uno o mas árboles. El objetivo de este procedimiento es estratificar, dividir, ramificar o segmentar los predictores en diferentes regiones simples. En resumen, podemoes tomar decisiones basadas en árboles utilziando reglas de remificación para segmentar los predictores simplificandoles en forma de árboles. Normalmente, estas decisiones son mucho mas sencillas de interpretar que otros métodos que hemos hablado anteriormente. En este capítulo, vamos hablar sobre tres métodos diferentes: **bagging**, **bosques aleatorios** y **impulso** o **boosting en inglés**. ## Árboles de regresión diff --git "a/docs/m\303\251todos-basados-en-\303\241rboles-jhan.html" "b/docs/m\303\251todos-basados-en-\303\241rboles-jhan.html" index a6da0a4..092558d 100644 --- "a/docs/m\303\251todos-basados-en-\303\241rboles-jhan.html" +++ "b/docs/m\303\251todos-basados-en-\303\241rboles-jhan.html" @@ -244,7 +244,7 @@

Capitulo 7 Métodos basados en árboles (Jhan)

-

Las decisiones basadas en árboles se usan para problemas de regresión y de clasificación. Las decisiones basadas en árboles utilizan series de reglas de si y entonces para hacer predicciones y tomar decisiones basadas en uno o mas árboles. El objetivo de este procedimiento es estratificar, dividir, ramificar o segmentar los predictores en diferentes regiones simples. En resumen, podemoes tomar decisiones basadas en árboles utilziando reglas de remificación para segmentar los predictores simplificandoles en forma de árboles. Normalmente, estas decisiones son mucho mas sencillas de interpretar que otros métodos que hemos hablado anteriormente. En este capítulo, vamos hablar sobre tres métodos diferentes: bagging, bosques aleatorios y impulso o boosting en inglés.

+

Las decisiones basadas en árboles se usan para problemas de regresión y de clasificación. Las decisiones basadas en árboles utilizan series de reglas de si y entonces para hacer predicciones y tomar decisiones basadas en uno o mas árboles. El objetivo de este procedimiento es estratificar, dividir, ramificar o segmentar los predictores en diferentes regiones simples. En resumen, podemoes tomar decisiones basadas en árboles utilziando reglas de remificación para segmentar los predictores simplificandoles en forma de árboles. Normalmente, estas decisiones son mucho mas sencillas de interpretar que otros métodos que hemos hablado anteriormente. En este capítulo, vamos hablar sobre tres métodos diferentes: bagging, bosques aleatorios y impulso o boosting en inglés.

7.1 Árboles de regresión

Cuando se ajustan los árboles de regresión, se usan una serie de reglas de ramificaciones comenzando dos la parte de arriba del árbol. Usualmente, para realizar este tipo de análisis, los árboles se dividen en regiones \(R_{1}\), \(R_{2}\),…,\(R_{j}\), estas áreas son conocidas como nodos terminales o hojas del árbol. Este tipo de árboles, se dibujan de arriba hacia abajo, esto quiere decir que las hojas del árbol están hacia abajo. Los puntos del árbol en donde los predictores se difurcan se conocen como nodos internos. Y los estos segmentos del árbol que conectan a los nodos por medio de ramas.