Árbol de decisión
Modelo supervisado que clasifica o predice dividiendo los datos de forma recursiva por umbrales de características, formando un árbol de decisiones sí o no.
Un árbol de decisión es un modelo de aprendizaje supervisado que particiona los datos mediante una secuencia de divisiones si-entonces sobre características individuales. Cada nodo interno prueba un umbral; cada rama conduce a otra división o a una hoja que asigna una etiqueta de clase o una predicción numérica. La estructura es fácil de leer, lo que hizo atractivos a los árboles en negocio y medicina mucho antes de que las redes neuronales volvieran a destacar.
Un solo árbol profundo puede sobreajustar el ruido memorizando peculiaridades del entrenamiento. Los métodos de conjunto abordan esa debilidad: el bagging entrena muchos árboles sobre muestras bootstrap y promedia sus votos, y el bosque aleatorio de Leo Breiman añade subconjuntos aleatorios de características en cada división para decorrelacionar aún más los árboles. Véase el artículo sobre bosques aleatorios y la entrada de la cronología.