Clase mayoritaria

El KNN funciona pero es una “caja negra”. Un árbol de decisión es distinto: aprende una serie de preguntas (como un cuestionario) y podés leer cómo decide.

🌳 Cómo decide un árbol

            ¿ataque > 60?
            /          \
          sí            no
          │              │
        Fuego          Agua

from sklearn.tree import DecisionTreeClassifier

# [ataque, defensa] -> 0 = Fuego, 1 = Agua
X = [[90, 40], [80, 50], [40, 90], [50, 80]]
y = [0, 0, 1, 1]

modelo = DecisionTreeClassifier(random_state=0)
modelo.fit(X, y)

print(modelo.predict([[85, 45]]))   # [0] -> Fuego
print(modelo.predict([[45, 85]]))   # [1] -> Agua

🔍 ¿Qué feature importa más?

Lo mejor del árbol: te dice cuánto pesó cada feature en sus decisiones. Útil para entender tus datos.

from sklearn.tree import DecisionTreeClassifier

# la decisión depende SOLO del ataque (la defensa es siempre 50)
X = [[10, 50], [20, 50], [80, 50], [90, 50]]
y = [0, 0, 1, 1]

modelo = DecisionTreeClassifier(random_state=0).fit(X, y)
print("importancia de cada feature:", modelo.feature_importances_)
# [1. 0.] -> el ataque importó todo, la defensa nada

P: ¿Qué ventaja tiene un árbol de decisión sobre el KNN?
- Siempre tiene mayor accuracy
+ Es interpretable: podés leer las reglas que aprendió
- No necesita datos de entrenamiento
> El árbol aprende reglas tipo "si ataque > 60 → Fuego". Podés explicar cada decisión. El KNN es una "caja negra": solo sabe que algo es parecido a sus vecinos.

🌲 Ventajas y cuidado

• ✅ Se entiende (podés explicar cada decisión).
• ✅ No necesita escalar los datos.
• ⚠️ Si lo dejás crecer sin límite, memoriza (overfitting). Se controla con max_depth.

from sklearn.tree import DecisionTreeClassifier
modelo = DecisionTreeClassifier(max_depth=2, random_state=0)   # árbol cortito
print(modelo)

P: ¿Para qué sirve el parámetro `max_depth` en `DecisionTreeClassifier`?
- Para definir cuántos datos de entrenamiento usar
- Para establecer la cantidad de features del árbol
+ Para limitar cuántos niveles de preguntas puede tener el árbol y evitar overfitting
> Sin límite, el árbol puede crecer hasta memorizar cada dato. `max_depth=2` lo recorta: hace preguntas más generales y generaliza mejor.

📝 Resumen

Cosa	Para qué
DecisionTreeClassifier(random_state=0)	árbol de decisión
.feature_importances_	cuánto pesó cada feature
max_depth	limitar el tamaño (evitar overfitting)
ventaja	es interpretable (se entiende)

➡️ ¿Y ahora qué?

Practicá con los ejercicios de este tema. 💪