DecicionTree.jl es un paquete CART (Árbol de Clasificación y Regresión) en el lenguaje de programación de aprendizaje automático Julia. Varios pasos como cargar datos, segregar datos en entrenamiento y prueba, y construir un modelo son muy fáciles de implementar usando este paquete en Julia. No hay necesidad de transponer datos ya que DecisionTree.jl no lo requiere. Solo se necesita una declaración de dos líneas para construir el modelo proporcionando algunos argumentos (por ejemplo, profundidad, número mínimo de muestras en la hoja, número mínimo de muestras en la división, etc.) según el requisito del usuario. Este paquete ahorra mucho tiempo y dinero para problemas de regresión y clasificación en comparación con crear un modelo de árbol de decisión de aprendizaje automático desde cero. Usamos decisionTree.jl para un cliente minorista para construir un modelo para clasificar datos de clientes potenciales y pudimos lograr cerca del 70% de precisión, lo cual se considera una precisión muy buena. Reseña recopilada por y alojada en G2.com.
No hay problema como tal con DecisionTree.jl ya que funciona sin problemas para problemas de simples a medianamente complejos con buena precisión. Aún tengo que probar su rendimiento para problemas complejos donde los datos de entrada son muy diversos, con más de 20 atributos a considerar para clasificación o regresión. Una pequeña desventaja para los programadores es que el paquete DecisionTree.jl no asigna automáticamente el tipo de dato a tus datos cargados. Parece que no asigna un tipo de dato para mejorar el rendimiento. Así que necesitas escribir algunas declaraciones más para convertir el tipo de dato a tus datos antes de construir un modelo. Reseña recopilada por y alojada en G2.com.
