Árbol de Decisión Explicable
Un Árbol de Decisión Explicable es un árbol de clasificación o regresión deliberadamente cultivado para ser poco profundo, legible y auditable, produciendo un conjunto finito de reglas si-entonces que un humano puede verificar sin herramientas adicionales. Se sitúa en la intersección del modelado predictivo y la IA Explicable (XAI), elegido cuando las partes interesadas deben comprender y confiar en cada predicción que realiza el modelo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Breiman, L., Friedman, J., Olshen, R. A., & Stone, C. J. (1984). Classification and Regression Trees. Wadsworth & Brooks/Cole. ISBN: 978-0-412-04841-8
- Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. DOI: 10.1038/s42256-019-0048-x ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/es/machine-learning/explainable-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Árbol de DecisiónAprendizaje automático↔ compare
- Regresión LogísticaEstadística para la investigación↔ compare
- Random ForestAprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →