Los árboles de decisión utilizan una clasificación o partición como base para un modelo predictivo para explorar patrones, descubrir relaciones, filtrar los factores más influyentes y sacar conclusiones sobre una respuesta.
JMP® proporciona un enfoque interactivo para crear árboles de decisiones con numerosas opciones para optimizar e interpretar resultados.Ver este estudio de caso de Ciencias de la vida y la salud para ver cómo los métodos de aprendizaje automático basados en árboles pueden ser muy buenos modelos para identificar las relaciones entre los factores y una respuesta.
Situación: como director de la investigación, quiere saber si existe una relación entre los factores del paciente y la clasificación de la diabetes.
Tarea: El problema es que hay múltiples factores del paciente y no se comprenden completamente todas las relaciones e interacciones de los factores.
Acción: Utiliza los árboles de decisión para crear particiones simples y luego los métodos avanzados de Bootstrap Forest y Boosted Trees para encontrar el mejor modelo.
Resultado: con estas técnicas de aprendizaje automático, compara los mejores modelos e identifica los valores óptimos para minimizar la diabetes.
Próximos pasos: su investigación se comparte de forma interactiva con sus colegas y conduce a más investigaciones que ayudan a mejorar la salud del paciente.
