Árbol de decisión

Un árbol de decisión es un modelo de aprendizaje supervisado que toma decisiones haciendo preguntas encadenadas sobre las características de un ejemplo. Cada nodo plantea una condición («¿el ingreso mensual es mayor a 20,000 pesos?»), cada respuesta lleva a una rama distinta y, al final, una hoja da la predicción: una categoría en clasificación o un número en regresión.

El árbol se construye automáticamente a partir de los datos. En cada paso, el algoritmo elige la pregunta que mejor separa los ejemplos, usando medidas como la impureza de Gini o la ganancia de información. Repite el proceso en cada rama hasta cumplir un criterio de paro, como una profundidad máxima o un número mínimo de ejemplos por hoja.

Su gran atractivo es que se puede leer: cualquiera puede seguir el camino de preguntas y entender por qué el modelo llegó a una conclusión, lo que favorece la explicabilidad. Además, maneja datos numéricos y categóricos sin mucha preparación.

Su principal debilidad es que un árbol muy profundo tiende al sobreajuste: aprende reglas demasiado específicas del conjunto de entrenamiento y generaliza mal. También es inestable: pequeños cambios en los datos pueden producir árboles muy distintos. Por eso, en la práctica, suelen combinarse muchos árboles en métodos de conjunto como el bosque aleatorio o el gradient boosting, que son de los modelos más eficaces para datos tabulares.