Regresión con árboles de decisión
Divisiones no lineales en los datos.
Regresión con árboles de decisión es una lección gratuita de Data Science Academy en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Data Science Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Data Science Academy incluye 4 lecciones en total.
Más allá de las líneas rectas
Un árbol de decisión predice números planteando preguntas de sí o no sobre sus características y dividiendo los datos paso a paso. No necesita una línea recta. 🌳
Las divisiones son las preguntas
Cada rama es una división, como «¿el tamaño es mayor que 80?». El árbol sigue preguntando y agrupa las filas en conjuntos cada vez más pequeños.
Las hojas contienen la respuesta
En la parte inferior están las hojas. Cada hoja predice un número: la media del objetivo de todas las filas de entrenamiento que han llegado hasta ella.
Elegir la mejor división
El árbol prueba muchos puntos de división y conserva el que más reduce el error de predicción en los grupos resultantes. Es un proceso codicioso, paso a paso.
Entrenar uno en dos líneas
Se mantiene el conocido contrato de ajuste y predicción. Cree un DecisionTreeRegressor, ajústelo y prediga igual que con cualquier otro estimador.
from sklearn.tree import DecisionTreeRegressor
model = DecisionTreeRegressor().fit(X, y)Las predicciones parecen escalones
Como cada hoja proporciona un valor constante, las predicciones de un árbol forman una escalera, no una curva suave. Esto funciona bien para muchos patrones reales.
Los árboles capturan formas no lineales
Las divisiones pueden curvarse en cualquier dirección, por lo que un árbol captura relaciones no lineales que una línea pasaría completamente por alto. Esa es su verdadera ventaja.
Los árboles profundos se sobreajustan
Si no se controla, un árbol crece hasta que cada hoja contiene una fila y memoriza el ruido. Ese árbol profundo se sobreajusta y falla con datos nuevos.
Limitar la profundidad
Controle el crecimiento con max_depth. Un árbol menos profundo se mantiene más general y es mucho más fácil de leer y de considerar fiable.
DecisionTreeRegressor(max_depth=4)Más parámetros de poda
También puede establecer min_samples_leaf para que las hojas conserven suficientes filas. Así evita que el árbol cree grupos diminutos y ruidosos.
DecisionTreeRegressor(min_samples_leaf=10)No hace falta escalar
Los árboles dividen mediante umbrales, por lo que las unidades de las características no importan. Puede omitir el escalado, una diferencia interesante respecto de Ridge y Lasso.
Comprobación rápida
Piense en cómo un árbol convierte las filas en una predicción.
Resumen
Un árbol de decisión divide los datos mediante preguntas, predice la media de una hoja y se adapta a formas no lineales. Limite su profundidad para que generalice. 🎯
Preguntas frecuentes
¿La lección «Regresión con árboles de decisión» es gratis?
Sí — el texto completo de «Regresión con árboles de decisión» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Data Science Academy, actualiza a CoddyKit PRO. El curso de Data Science Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Regresión con árboles de decisión»?
Divisiones no lineales en los datos. Practicas Data Science Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Data Science Academy?
No se requiere experiencia previa. Data Science Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Regresión con árboles de decisión»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Data Science Academy?
Sí. Cada lección de Data Science Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Repaso de la regresión lineal
- Regularización Ridge y Lasso
- Regresión con árboles de decisión
- Random Forest para regresión