Laboratório Visual de Árvore de Decisão
Simulador interativo de splits alinhados aos eixos para classificação binária.
Uma árvore de decisão divide os dados recursivamente em regiões menores. Neste simulador, cada split é alinhado aos eixos e usa x ou y com um limiar.
Cada nó interno faz uma regra como x <= 22. Folhas retornam probabilidades de classe e um rótulo final.
Para proporções de classe p_k, a impureza de Gini é:
$$ G = 1 - \sum_k p_k^2 $$
O modelo testa splits candidatos e escolhe o que minimiza a impureza ponderada dos nós filhos.
- Profundidade máxima limita a complexidade da árvore.
- Mínimo de amostras evita micro-splits instáveis.
- Folhas puras (uma única classe) param naturalmente.
Árvores rasas geralmente generalizam melhor, enquanto árvores profundas podem superajustar ruído local.
- Adicione pontos para classe A e classe B, ou carregue um padrão demo.
- Treine com diferentes configurações de profundidade máxima / mín. amostras.
- Observe fronteiras de região, regras em texto e logs de split.
- Compare árvores simples vs complexas quanto à interpretabilidade e qualidade de ajuste.
Clique no canvas para adicionar amostras nas células da grade e treine para gerar regras e regiões.
Info do Modelo
Pontos: 0 A | 0 B
Última Pontuação do Split: -