Árboles de Decisión, Random Forest e Interpretabilidad

A veces explicar el modelo es más importante que su precisión. Compara fronteras de decisión de distintos algoritmos.

Cómo los árboles de decisión eligen la mejor variable usando entropía y ganancia de información.

Ensambles de árboles poco profundos que votan para reducir el sobre-ajuste.

Mueve el umbral de clasificación para priorizar el tipo de error que más le conviene a tu negocio.

Evalúa la calidad de un clasificador con la curva ROC y el área bajo la curva.