Árboles de Decisión

Un árbol de decisión es un modelo de aprendizaje automático que predice un valor —una clase o una cantidad— encadenando preguntas simples sobre los datos: cada nodo interno evalúa un atributo, cada rama corresponde a un resultado de esa prueba y cada hoja asigna la predicción final. El resultado es un diagrama jerárquico que se lee de arriba abajo como una lista de reglas.

Es uno de los métodos más veteranos de la IA y también uno de los más vigentes: en la práctica hoy rara vez se usa un árbol aislado, sino cientos combinados en ensambles que dominan el aprendizaje sobre datos tabulares.

Cómo funciona

El árbol se construye por particiones recursivas: en cada nodo, el algoritmo busca la pregunta que mejor separa los datos según un criterio de pureza —el índice de Gini o la entropía en clasificación, el error cuadrático en regresión, como documenta la biblioteca scikit-learn— y repite el proceso en cada subconjunto hasta cumplir una condición de parada. Los algoritmos canónicos fijaron el patrón hace décadas: CART (Breiman, Friedman, Olshen y Stone, 1984) introdujo los árboles binarios de clasificación y regresión con el índice de Gini, mientras que ID3 (Quinlan, 1986) y su sucesor C4.5 (Quinlan, 1993) apostaron por la entropía y la ganancia de información, añadiendo poda y soporte de atributos continuos.

De un árbol a los ensambles

Un árbol solo rara vez es el mejor predictor; muchos árboles combinados, casi siempre. Random Forest (Breiman, 2001) entrena cada árbol sobre muestras aleatorias de datos y atributos y promedia sus votos, ganando robustez frente al ruido. La potenciación de gradiente (gradient boosting) va más lejos: construye los árboles en secuencia, cada uno corrigiendo los errores de los anteriores. Sus tres implementaciones de referencia son XGBoost (Chen y Guestrin, 2016), LightGBM (Ke et al., 2017), que acelera el entrenamiento hasta más de 20 veces con precisión casi idéntica, y CatBoost (Prokhorenkova et al., 2018), con su tratamiento nativo de variables categóricas.

Interpretabilidad y límites

Un árbol pequeño es un modelo de caja blanca: puede visualizarse y cada predicción se explica con lógica booleana. Un ensamble de cientos de árboles pierde esa legibilidad; para mitigarlo se usan las importancias de atributos y métodos como SHAP (Lundberg y Lee, 2017), que asignan a cada variable su contribución a una predicción concreta. Los límites clásicos siguen ahí: los árboles profundos tienden al sobreajuste (overfitting) —de ahí la poda y los topes de profundidad— y son inestables, porque pequeñas variaciones en los datos pueden generar un árbol completamente distinto, un problema que precisamente los ensambles atenúan, como advierte la documentación de scikit-learn.

Dónde queda en 2026

En datos tabulares —tablas de clientes, historiales clínicos, riesgo crediticio— los ensambles de árboles siguen siendo el estado del arte. Grinsztajn, Oyallon y Varoquaux (2022) lo midieron sobre 45 conjuntos de datos: en tamaños medios, en torno a 10.000 ejemplos, XGBoost y Random Forest superan a las redes neuronales profundas, menos robustas ante atributos irrelevantes y funciones irregulares. Si el aprendizaje profundo acabará cerrando esa brecha sigue siendo una cuestión abierta, que depende del tamaño y la naturaleza de cada conjunto de datos.