Este curso online revisa el desarrollo de modelos predictivos con árboles de clasificación, se dan a conocer los distintos métodos que ofrece IBM SPSS Modeler para este propósito y se busca aprender a interpretar y evaluar sus resultados.

Los modelos de árboles de decisión permiten desarrollar sistemas de clasificación que predicen o clasifican observaciones futuras. Este método, presenta varias ventajas:

  • El proceso de razonamiento detrás del modelo resulta claramente evidente cuando se examina el árbol. Esto contrasta con otras técnicas de modelado de «caja negra», en las que la lógica interna puede resultar difícil de averiguar.
  • El proceso incluye automáticamente en su regla únicamente los atributos que realmente importan en la toma decisiones, segmentando automáticamente los casos extremos y los casos faltantes, minimizando por lo tanto la preparación de datos.

Si dispone de datos divididos en clases que le interesan, puede usar los datos para generar reglas que pueda usar para clasificar casos antiguos o recientes con la máxima precisión. Por ejemplo, podría generar un árbol que clasificara el riesgo de crédito o la intención de compra basándose en la edad y otros factores. En particular puede utilizarse para:

Segmentación. Identifica las personas que pueden ser miembros de una clase determinada.

Estratificación. Asigna los casos a una categoría de entre varias, por ejemplo, grupos de alto riesgo, bajo riesgo y riesgo intermedio.

Predicción. Crea reglas y las utiliza para predecir eventos futuros. Las predicciones también pueden significar intentos de relacionar atributos predictivos con valores de una variable continua.

Reducción de datos y cribado de variables. Selecciona un subconjunto útil de predictores a partir de un gran conjunto de variables para utilizarlo en la creación de un modelo paramétrico formal.

Identificación de interacción. Identifica las relaciones que pertenecen sólo a subgrupos específicos y las especifica en un modelo paramétrico formal.

Fusión de categorías y unión de variables continuas. Vuelve a codificar las variables continuas y las categorías de los predictores del grupo, con una pérdida mínima de información.

 

Al finalizar el curso online usted podrá:

  • Conocer los principios y aplicaciones generales de los árboles de decisión para enfocar su análisis adecuadamente.
  • Ejecutar árboles de decisión para encontrar las variables y segmentos más relevantes en función de su variable objetivo.
  • Comparar y evaluar los distintos resultados de las metodologías de árboles de decisión, incluyendo beneficios y costos de clasificación errónea.

 

Requisitos: