Laboratorio visivo di alberi decisionali
Simulatore interattivo di split assiali per classificazione binaria.
Un albero decisionale divide ricorsivamente i dati in regioni piu piccole. In questo simulatore, ogni split e allineato agli assi e usa x o y con una soglia.
Ogni nodo interno valuta una regola come x <= 22. Le foglie producono probabilita di classe e un etichetta finale.
Per proporzioni di classe p_k, l impurita Gini e:
$$ G = 1 - \sum_k p_k^2 $$
Il modello prova split candidati e sceglie quello che minimizza l impurita pesata dei figli.
- La profondita massima limita la complessita.
- Il minimo di campioni evita micro-split instabili.
- Le foglie pure (tutta una classe) si fermano naturalmente.
Alberi piu bassi generalizzano meglio, mentre alberi profondi possono overfittare il rumore locale.
- Aggiungi punti per classe A e classe B o carica un pattern demo predefinito.
- Allena con diversi valori di max depth / min samples.
- Osserva confini delle regioni, regole testuali e log di split.
- Confronta alberi semplici vs complessi per interpretabilita e qualita del fit.
Clicca sulla canvas per aggiungere campioni nelle celle della griglia, poi allena per generare regole di split e regioni decisionali.
Info modello
Punti: 0 A | 0 B
Score ultimo split: -