¿Existen ventajas de los clasificadores basados en árboles de decisión o en inducción de reglas frente a los clasificadores actuales?
Respuesta
¿Demasiados anuncios?
Usuario no registrado
Puntos
0
En cuanto a los clasificadores "modernos", creo que posiblemente se refiera a clasificadores generativos frente a clasificadores discriminativos.
Sí, los DTC (clasificadores de árbol de decisión) pueden proporcionar puntos de corte significativos de valores de características junto con la pureza de clase de los dos nodos hijos (separados de cada nodo padre). Por lo general, siempre es necesario ejecutar un DTC si necesita conocer puntos de corte de características útiles o reglas de decisión que sean informativas para la clasificación. Sin embargo, sería mejor utilizar Random Forests (RF), que es un DTC "con esteroides" para generar puntuaciones de importancia para cada característica. El diseño de RF de Breiman también puede proporcionar el número de veces que una característica extraída aleatoriamente se utiliza en las divisiones del primer nodo, así como todas las divisiones de nodos en los árboles utilizados, por lo que se aleja del DTC directo.
La ventaja de la RF es que los datos de entrenamiento son bootstrapados para cada árbol, por lo que la RF sigue la premisa de que "no te crees los datos" y necesitas bootstraparlos para generar estadísticas significativas. Pero cada clasificador tiene sus propias ventajas, y los DTC también las tienen.
En cuanto a la terminología, los DTC pertenecen a la familia de los clasificadores CART, "árboles de clasificación y regresión".
Para más información, consulte el clasificador C4.5 de Quinlan.
