Laboratorio visual de arboles de decision
Simulador interactivo de particiones alineadas a ejes para clasificacion binaria.
Un arbol de decision divide los datos de forma recursiva en regiones. Aqui cada division es alineada a ejes y usa x o y con un umbral.
Cada nodo interno plantea una regla como x <= 22. Las hojas producen probabilidades y una etiqueta final.
Para proporciones de clase p_k, la impureza Gini es:
$$ G = 1 - \sum_k p_k^2 $$
El modelo prueba divisiones candidatas y elige la que minimiza la impureza ponderada de los hijos.
- Profundidad maxima limita la complejidad del arbol.
- Minimo de muestras evita micro?divisiones inestables.
- Hojas puras (una sola clase) se detienen naturalmente.
Arboles mas someros suelen generalizar mejor; arboles mas profundos pueden sobreajustar.
- Agrega puntos de clase A y B, o carga un patron de demo.
- Entrena con distintos valores de profundidad maxima / minimo de muestras.
- Observa fronteras, reglas textuales y registros de split.
- Compara arboles simples vs complejos en interpretabilidad y calidad de ajuste.
Haz clic en el lienzo para anadir muestras en celdas y luego entrena para generar reglas y regiones.
Informacion del modelo
Puntos: 0 A | 0 B
Ultima puntuacion de split: -