El injerto es el proceso de agregar nodos a árboles de decisión inferidos para mejorar la precisión predictiva. [ aclaración necesaria ] Un árbol de decisión es un modelo gráfico que se utiliza como herramienta de apoyo para el proceso de decisión.
Una vez construido el árbol de decisión, se identifican las nuevas ramas que se pueden agregar productivamente al árbol. Luego se injertan al árbol existente para mejorar el proceso de toma de decisiones. La poda y el injerto son métodos complementarios para mejorar el árbol de decisión y respaldar la toma de decisiones. La poda permite cortar partes de los árboles de decisión para brindar más claridad y el injerto agrega nodos a los árboles de decisión para aumentar la precisión predictiva. Para lograr el injerto, se pueden agregar nuevas ramas en lugar de una sola hoja o injertar dentro de las hojas.
La información requerida se proporciona en forma de cuadro como,
A partir de la información proporcionada se pueden identificar los nodos y las hojas y se construyen los árboles de decisión. Uno de estos árboles de decisión es el siguiente:
Aquí el eje X se representa como A y el eje Y como B. Hay dos cortes en los árboles de decisión: nodos en 11 y 5 respectivamente a A.
A > 11 A <= 11 | Un >= 5 | Un < 5
Mediante el injerto se añaden nuevas ramas a la clasificación anterior.
Aquí también se tiene en cuenta B para los nudos y las hojas. Hay dos cortes más en B: 7 y 2.
A > 11 A <= 11 | Un >= 5 | Un < 5 | B > 7 | B <= 7 | B > 2 | B <= 2
Así la ramificación ha aumentado gracias a la técnica del injerto.
Esta es la forma más sencilla de ilustración para representar técnicas de injerto.
El injerto permite identificar regiones donde no hay ocupación y corregir las asignaciones de clase deficientes, lo que aumenta la precisión. La extensión para injertar múltiples ramas en cada hoja reduce la cantidad de errores.
Sin embargo, las nuevas ramas potenciales deben seleccionarse con cuidado para evitar aumentar los casos de errores y fallas.
Mejora de la construcción de árboles de multidifusión [1]
Problema del valor faltante en el injerto de árboles de decisión [2] Injerto óptimo y selección apropiada de ramas a agregar [3]