Trabajo Árbol de Decisiones y Teoría de Juegos

UNIVERSIDAD SANTO TOMAS
FACULTAD DE INGENIERIA MECNICA
ÁRBOL DE DECISIONES Y TEORÍA DE JUEGOS
Elaborado por:
Felix Daniel Vargas Gutiérrez

ÁRBOL DE DECISIONES
• DEFINICION.
Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se

utiliza para la clasificación y la regresión. El objetivo de ellos o de hacerlos, es crear un
modelo que prediga el valor de una variable objetivo mediante el aprendizaje de reglas de
decisión simples inferidas a partir de las características de los datos. Un árbol puede verse
como una aproximación constante a trozos.
Por ejemplo, en el siguiente ejemplo, los árboles de decisión aprenden de los datos para
aproximar una curva senoidal con un conjunto de reglas de decisión si-entonces-si. Cuanto
más profundo sea el árbol, más complejas serán las reglas de decisión y más ajustado será
el modelo.
Figura 1. Ejemplo de un árbol de decisión entre objetivos y datos.
• VENTAJAS
Algunas de sus ventajas son:
1. Son fáciles de entender e interpretar. Los árboles pueden visualizarse.
2. Requiere poca preparación de los datos. Otras técnicas suelen requerir la
normalización de los datos, la creación de variables ficticias y la eliminación de los
valores en blanco. Sin embargo, hay que tener en cuenta que este módulo no admite
valores perdidos.
3. Capaz de manejar problemas de múltiples salidas.
4. Puede manejar tanto datos numéricos como categóricos.
5. Es posible validar un modelo mediante pruebas estadísticas. Eso permite dar cuenta
de la fiabilidad del modelo.
• DESVENTAJAS
Estas son algunas de las desventajas:
1. Los aprendices de árboles de decisión pueden crear árboles demasiado complejos
que no generalizan bien los datos. Esto se denomina sobreajuste. Para evitar este
problema son necesarios mecanismos como la poda, la fijación del número mínimo
de muestras necesarias en un nodo de la hoja o la fijación de la profundidad máxima
del árbol.
2. Los árboles de decisión pueden ser inestables porque pequeñas variaciones en los
datos pueden hacer que se genere un árbol completamente diferente. Este problema
se mitiga utilizando árboles de decisión dentro de un conjunto.
3. Las predicciones de los árboles de decisión no son suaves ni continuas, sino
aproximaciones constantes a trozos, como se ve en la figura anterior. Por lo tanto,
no son buenos para la extrapolación.
4. Hay conceptos que son difíciles de aprender porque los árboles de decisión no los
expresan fácilmente.
5. Los aprendices de árboles de decisión crean árboles sesgados si algunas clases
dominan. Por lo tanto, se recomienda equilibrar el conjunto de datos antes de
ajustarlo con el árbol de decisión.
TEORÍA DE JUEGOS
• DEFINICION.
Teoría de los juegos, es la rama de las matemáticas aplicadas que proporciona herramientas
para analizar situaciones en las que las partes, llamadas jugadores, toman decisiones que
son interdependientes. Esta interdependencia hace que cada jugador tenga en cuenta las
posibles decisiones, o estrategias, del otro jugador al formular la estrategia. La solución de
un juego describe las decisiones óptimas de los jugadores, que pueden tener intereses
similares, opuestos o mixtos, y los resultados que pueden derivarse de estas decisiones.
Aunque la teoría de juegos puede utilizarse, y se ha utilizado, para analizar juegos de salón,
sus aplicaciones son mucho más amplias. De hecho, la teoría de los juegos fue desarrollada
originalmente por el matemático estadounidense de origen húngaro John von Neumann y su
colega de la Universidad de Princeton Oskar Morgenstern, un economista estadounidense
de origen alemán, para resolver problemas de economía. En su libro The Theory of Games
and Economic Behavior (1944), von Neumann y Morgenstern afirmaron que las
matemáticas desarrolladas para las ciencias físicas, que describen el funcionamiento de una
naturaleza desinteresada, eran un modelo pobre para la economía. Observaron que la
economía se parece mucho a un juego, en el que los jugadores se anticipan a las jugadas de
los demás, y que por tanto requiere un nuevo tipo de matemáticas, que llamaron teoría de
los juegos. (El nombre puede ser un poco inapropiado, ya que la teoría generalmente no
comparte la diversión o frivolidad asociada a los juegos).
Se pueden clasificar en:
• JUEGOS PARA UNA PERSONA:

Los juegos para una persona también se conocen como juegos contra la naturaleza.
Sin oponentes, el jugador sólo tiene que enumerar las opciones disponibles y elegir
el resultado óptimo. Cuando interviene el azar, el juego puede parecer más
complicado, pero en principio la decisión sigue siendo relativamente sencilla. Por
ejemplo, una persona que decide si llevar un paraguas sopesa los costes y beneficios
de llevarlo o no. Aunque esta persona puede tomar la decisión equivocada, no existe
un oponente consciente. Es decir, se supone que la naturaleza es completamente
indiferente a la decisión del jugador, y la persona puede basar su decisión en
simples probabilidades. Los juegos unipersonales tienen poco interés para los
teóricos del juego.
• JUEGOS DE SUMA CONSTANTE PARA DOS PERSONAS-

JUEGOS DE INFORMACIÓN PERFECTA:
El juego más sencillo de interés teórico real es un juego de suma constante para dos
personas con información perfecta. Ejemplos de estos juegos son el ajedrez, las
damas y el juego japonés del go. En 1912, el matemático alemán Ernst Zermelo
demostró que este tipo de juegos están estrictamente determinados; al hacer uso de
toda la información disponible, los jugadores pueden deducir estrategias que son
óptimas, lo que hace que el resultado esté predeterminado (estrictamente
determinado). En el ajedrez, por ejemplo, debe producirse exactamente uno de los
tres resultados si los jugadores toman decisiones óptimas: (1) las blancas ganan
(tienen una estrategia que gana contra cualquier estrategia de las negras); (2) las
negras ganan; o (3) las blancas y las negras empatan. En principio, un
superordenador suficientemente potente podría determinar cuál de los tres
resultados se producirá. Sin embargo, teniendo en cuenta que hay unas 1.043
partidas distintas de ajedrez de 40 movimientos posibles, no parece posible que se
desarrolle un ordenador de este tipo ni ahora ni en un futuro previsible. Por lo tanto,
aunque el ajedrez sólo tiene un interés menor en la teoría de juegos, es probable que
siga siendo un juego de interés intelectual duradero.
• JUEGOS DE INFORMACIÓN IMPERFECTA:

Un "punto de equilibrio" en un juego de suma constante de dos personas es el
resultado que elegirían los jugadores racionales. (Su nombre se debe a que es el
mínimo de una fila que también es el máximo de una columna en una matriz de
resultados -que se ilustrará en breve-, lo que corresponde a la forma de una silla de
montar). Un punto de equilibrio siempre existe en los juegos con información
perfecta, pero puede o no existir en los juegos con información imperfecta. Al elegir
una estrategia asociada a este resultado, cada jugador obtiene una cantidad al menos
igual a su retribución en ese resultado, independientemente de lo que haga el otro
jugador. Este resultado se denomina valor del juego y, al igual que en los juegos con
información perfecta, está predeterminado por la elección de las estrategias
asociadas al punto de equilibrio por parte de los jugadores, lo que hace que estos
juegos estén estrictamente determinados.
REFERENCIAS:
1. Teoría de juegos, extraído de:
https://www.britannica.com/science/game-theory/Two-person-constant-
sum-games
2. Árbol de decisiones, extraído de: https://scikit-
learn.org/stable/modules/tree.html#:~:text=Decision%20Trees%20(DTs
)%20are%20a,as%20a%20piecewise%20constant%20approximation.

Trabajo Árbol de Decisiones y Teoría de Juegos

Cargado por

Copyright:

Formatos disponibles

Trabajo Árbol de Decisiones y Teoría de Juegos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Árbol de Decisiones y Teoría de Juegos

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD SANTO TOMAS

FACULTAD DE INGENIERIA MECNICA

ÁRBOL DE DECISIONES Y TEORÍA DE JUEGOS

Felix Daniel Vargas Gutiérrez

Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se

Figura 1. Ejemplo de un árbol de decisión entre objetivos y datos.

Se pueden clasificar en:

• JUEGOS PARA UNA PERSONA:

• JUEGOS DE SUMA CONSTANTE PARA DOS PERSONAS-

• JUEGOS DE INFORMACIÓN IMPERFECTA:

También podría gustarte