Vantaggi e svantaggi degli alberi decisionali

ALBERI DECISIONALI – VANTAGGI
- Sono semplici da capire e si prestano facilmente ad essere trasformati in un insieme di regole produttive.
- Sono stati applicati con successo a numerosi problemi reali.
- Non fanno alcuna ipotesi preventiva sulla natura dei dati.
- Sono in grado di costruire modelli a partire da data set contenenti dati numerici e categorici.
ALBERI DECISIONALI – SVANTAGGI
- Le variabili di output devono essere categoriche e non è (normalmente) permesso utilizzare più variabili di output.
- Gli algoritmi degli alberi decisionali sono instabili. Piccole variazioni dei dati di training possono indurre a modificare le variabili scelte per ogni nodo all’interno
dell’albero, con effetti significativi poiché tutta la struttura dell’albero dipende dalla scelta delle variabili.
- Gli alberi creati a partire da data set numerici possono essere molto complessi, dal momento che le suddivisioni delle variabili per i dati numerici sono tipicamente binarie.
La MATRICE DI CONFUSIONE da un’informazione circa la bontà dell’informazione, per capire se l’esito ottenuto dall’albero è ottimale. Permette di evidenziare quante osservazioni sono state mal classificate. Per vedere se ho classificato tutto devo fare la somma dei numeri che sono sulla diagonale della matrice di confusione e confrontare questa somma con il totale indicato.
CAPTURA – COPERTURA : questa regola quante delle osservazioni appartenente a quella classe ne intercetta?