Imagen del encabezado de la página

IV Congreso Internacional de Ingeniería Informática y Sistemas de Información

ADAPTIVE TREE UN ENFOQUE DE APRENDIZAJE REFORZADO PARA LA CONSTRUCCIÓN DE ÁRBOLES DE DECISIÓN.

Nayma Cepero Pérez

Resumen

El continuo desarrollo de la informática ha llevado a que se disponga de un gran volumen de información disponible y se hace necesario el uso de herramientas especializadas para su entendimiento y análisis. Entre las herramientas más utilizadas para cumplir este cometido se encuentran los árboles de decisión, que constituyen una de las técnicas de clasificación más utilizadas actualmente debido a su facilidad de uso y entendimiento.

No obstante, los árboles de decisión no son omnipotentes, presentan algunas desventajas como la utilización de criterios de división fijos en todo el proceso de construcción del árbol. Con el objetivo de solucionar esta problemática, se han propuesto varias soluciones, entre las cuales destaca el aprendizaje por refuerzo.

El aprendizaje por refuerzo es una novedosa técnica que permite el desarrollo de un agente en un entorno y mediante su interacción con el mismo lograr aprender sobre él para lograr una meta.

En el presente trabajo se estudia el algoritmo AdaptiveTree que permite la construcción de árboles de decisión mediante el uso de aprendizaje por refuerzo y el uso de varios parámetros de división conjuntamente.


Palabras claves

árboles de decisión, criterios de división, aprendizaje por refuerzo.