📊 Resumo do Vídeo: "Curso Ciência de Dados - Do Zero ao Iniciante (Aula 10: Árvore de Decisão)"
Neste vídeo, StatiR explica como funcionam as árvores de decisão, um dos algoritmos mais intuitivos e amplamente utilizados em Machine Learning. O vídeo aborda desde a estrutura básica até métricas para medir a qualidade de divisões nos nós.
🌳 1. Estrutura da Árvore de Decisão
Nó Raiz: O ponto inicial da árvore, geralmente a variável mais importante para discriminar as classes.
Nós Intermediários: Divisões baseadas em perguntas (ex.: "O valor é maior que 2.5?").
Nós Finais (Folhas): Representam as classes finais ou categorias preditas.
A árvore toma decisões de forma sequencial e binária, com base em sim/não para cada pergunta.
🧪 2. Exemplo Prático com o Dataset Iris
Objetivo: Classificar flores em três espécies (Setosa, Versicolor e Virginica).
Passos da Árvore:
Pergunta inicial: "A largura da sépala é menor que 2.5 cm?"
Sim: Classifica diretamente como Setosa (100% de precisão neste nó).
Não: Faz uma nova pergunta sobre o comprimento da pétala.
Divisões subsequentes refinam as classificações, mas algumas divisões apresentam erros devido à sobreposição de classes.
Conclusão: A árvore organiza perguntas hierárquicas para classificar as flores com base em suas características.
🛠️ 3. Medindo a Qualidade das Divisões
Entropia: Mede o grau de desordem ou incerteza no nó.
Entropia = 0: O nó contém apenas uma classe (nó puro).
Entropia = 1: Alta desordem; classes estão igualmente distribuídas.
Índice de Gini: Outra métrica usada para medir a pureza de nós.
Algumas bibliotecas permitem escolher entre entropia e Gini.
🔧 4. Overfitting e Poda da Árvore
Overfitting: Quando a árvore cresce demais e se ajusta excessivamente aos dados de treino, perdendo generalização para novos dados.
Poda: Processo para limitar o crescimento da árvore, reduzindo sua complexidade e melhorando sua capacidade de generalização.
O R implementa automaticamente a poda para evitar árvores excessivamente complexas.
🌟 5. Aplicações Práticas
Recursos Humanos: Prever a performance de candidatos antes da contratação.
Classificação Médica: Identificar condições com base em medições clínicas.
Vendas: Determinar o perfil de clientes que provavelmente comprarão um produto.
