Árboles de decisión y listasIntegrantes:

1. Michael Bryang Chevez Angulo2. Silvio Jose Carballo Valverde

3. Luis Ernesto Navarro Castañeda4. Jorge Uriel Carballo Hernández

Arboles de decisiónLos árboles de decisión son una forma de

representación sencilla, muy usada entre los sistemas de aprendizaje supervisado, para clasificar ejemplos en un número finito de clases. Se basan en la partición del conjunto de ejemplos según ciertas condiciones que se aplican a los valores de los atributos.

Los sistemas basados en árboles de decisión forman una familia llamada TDIDT (Top-Down Induction of Decision Trees), cuyo representante más conocido es ID3 ( [Quinlan, 86] ).

ID3 (Interactive Dichotomizer) se basa en la reducción de la entropía media para seleccionar el atributo que genera cada partición (cada nodo del árbol), seleccionando aquél con el que la reducción es máxima. Los nodos del árbol están etiquetados con nombres de atributos, las ramas con los posibles valores del atributo, y las hojas con las diferentes clases. Existen versiones secuenciales de ID3, como ID5R ( [Utgoff, 89] ).

C4.5 ( [Quinlan, 93] , [Quinlan, 96] ) es una variante de ID3, que permite clasificar ejemplos con atributos que toman valores continuos.

Ejemplo de árboles de decisión.

Los árboles de decisión se usan en los sistemas expertos porque son más precisos que el hombre para poder desarrollar un diagnostico con respecto a algo, ya que el hombre puede dejar pasar sin querer un detalle, en cambio la maquina mediante un sistema experto con un árbol de decisión puede dar un resultado exacto.

Una deficiencia de este es que puede llegar a ser más lento pues analiza todas las posibilidades pero esto a su vez es lo que lo vuelve más preciso que al hombre.

A continuación se presenta un ejemplo de un sistema experto y de cómo puede llegar a diagnosticar que se emplee un fármaco X en una persona con presión arterial.

Se le administrara un fármaco X al paciente si

1

• Tiene presión alta, su azúcar en la sangre es alto, es alérgico a antibióticos y NO tiene otras alergias.

2• Tiene presión alta, su azúcar en la sangre

es alto y NO es alérgico a los antibióticos.

3• Tiene presión arterial alta y su azúcar en

la sangre es bajo.

Continuación ejemplo

4

• Tiene presión arterial media y su índice de colesterol es bajo.

5• Tiene presión arterial baja

1

• Tiene presión arterial alta, su azúcar en la sangre es bajo, es alérgico a los antibióticos y SI tiene otras alergias.

2• Tiene presión arterial media y

su índice de colesterol es alto.

Listas de decisión

Una lista de decisión es una lista de pares de la forma

(d1, C1), (d2, C2),..., (dn, Cn)

Es una generalización de los árboles de decisión y de representaciones conjuntivas (CNF) y

disyuntivas (DNF).

son otra forma de representación basada en lógica de proposiciones

Listas de decisión

La clase de un objeto será Cj cuando dj sea la primera descripción que lo

satisface

Donde cada di es una descripción elemental, cada Ci es una clase, y la

última descripción Cn es el valor verdadero

Ejemplo de listas de decisiónLISP, acrónimo de lenguaje de Procesamiento

de Listas, fue inventado por John McCarthy y su equipo en la Universidad de Stanford a finales de 1950.

Originalmente fue creado como un modelo computacional de procesos matemáticos, reflejando el rigor de las propias matemáticas.

LISP actualmente está diseñado para manejar símbolos matemáticos (variables), por lo que es utilizado perfectamente para la investigación en IA, donde un símbolo puede representar cualquier cosa

Características de LISP

Es altamente flexible

Es indefinidamente extensible

Ciclo de LIPS

Leer

EvaluarImprimir

Conceptos característicos de LIPS

Listas y átomos La función

Gestión dinámica

de memoria

Manejo de listas

setq: Asigna valores a una lista

let: Asigna valores a una lista

atom: Nos dice si el elemento es un átomo o si es una lista.

endp: Comprueba si la lista está vacía

first: Devuelve el primer elemento de una lista. Es lo mismo que car