Árboles de Decisión: El modelo que piensa como tú

🧠 ¿Qué es un Árbol de Decisión?

Un Árbol de Decisión es un modelo de machine learning que toma decisiones haciendo preguntas. Es como jugar «20 preguntas» para llegar a una respuesta final.

Imagina esto:
¿Tiene fiebre? → ¿Sí? → ¿Tiene tos? → ¿Sí? → Podría ser gripe.
¿No tiene fiebre? → ¿Sí? → Entonces no es gripe.

🤖 ¿Qué hace?

Clasifica datos (por ejemplo, “¿esta persona comprará o no?”) o también puede predecir valores numéricos (como regresión).

📦 ¿Cómo funciona?

1. El árbol elige la mejor pregunta para dividir los datos.
2. Esa pregunta divide el dataset en dos grupos (como «¿edad > 30?»).
3. Repite el proceso con cada grupo.
4. Se detiene cuando no puede dividir más o se llega a una condición mínima.

Esto genera una estructura en forma de árbol, con ramas (preguntas) y hojas (respuestas).

📐 Ejemplo simple

Supón que quieres decidir si alguien aprueba un curso:

¿Estudió más de 5 horas? → Sí → ¿Participó en clase? → Sí → ✔ Aprueba  
                                           ↳ No → ✘ No aprueba  
                   ↳ No → ✘ No aprueba

📊 Tipos

🛠️ ¿Cómo decide el árbol qué pregunta hacer?

Usa criterios como:

• Gini: mide cuán «puro» es un nodo (muy común).
• Entropía / Información Ganada: qué tan bien divide una variable.
• Error cuadrático medio (para regresión).

Elige la división que mejor separe los datos.

⚖️ Ventajas

✅ Muy fácil de entender (incluso sin saber nada de matemáticas)
✅ No necesita normalizar los datos
✅ Acepta tanto variables numéricas como categóricas
✅ Ideal para explicar modelos a personas no técnicas

🚨 Desventajas

❌ Puede sobreajustar si el árbol es muy profundo
❌ Sensible a pequeños cambios en los datos
❌ No tan preciso como modelos más complejos (pero lo compensan con interpretabilidad)

🧑‍💻 Ejemplo en Python

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, plot_tree
import matplotlib.pyplot as plt

# Dataset ejemplo
data = pd.DataFrame({
    'edad': [25, 45, 35, 33, 52],
    'ingresos': [50000, 80000, 60000, 58000, 120000],
    'compra': [0, 1, 0, 0, 1]
})

X = data[['edad', 'ingresos']]
y = data['compra']

# Dividir datos
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Crear árbol
arbol = DecisionTreeClassifier(max_depth=3)
arbol.fit(X_train, y_train)

# Predecir
y_pred = arbol.predict(X_test)

# Evaluar
print("Precisión:", accuracy_score(y_test, y_pred))

# Dibujar árbol
plt.figure(figsize=(12,6))
plot_tree(arbol, feature_names=X.columns, class_names=['No', 'Sí'], filled=True)
plt.show()

🧪 ¿Cuándo usar Árboles de Decisión?

Úsalos cuando:

• Quieres entender y explicar el modelo.
• Necesitas rapidez y simplicidad.
• Tus datos mezclan números y categorías.

🧱 Bonus: Árboles como base para modelos más potentes

Los árboles de decisión son la base de modelos avanzados como:

• 🌲 Random Forest (muchos árboles votando)
• 🔥 Gradient Boosting (árboles que aprenden del error de los anteriores)

🧩 En resumen