Árboles de decisión en KNIME

Árbol de decisión: Entrenamiento

Este flujo de trabajo es un ejemplo de cómo crear un modelo básico de predicción o clasificación utilizando un árbol de decisión. El conjunto de datos describe las características químicas del vino. La clase de salida es el color del vino: tinto/blanco

Reto 1: Depuración con Numeric Outliers

Añade el nodo Numeric Outliers tras la lectura de datos para identificar valores químicos atípicos que sesgan las reglas del árbol. Configúralo para "Remove outlier rows". Esto limpia el "ruido" estadístico, permitiendo que el modelo se enfoque en patrones reales y no en errores de medición o casos extremos.

Reto 2: Duelo contra Random Forest

Eleva el nivel conectando un Random Forest Learner y su Predictor en paralelo a tu árbol actual. Envía ambas probabilidades al mismo nodo ROC Curve. Al comparar las dos líneas, verás si la "sabiduría colectiva" de múltiples árboles (Bosque) supera la simplicidad de uno solo. Es la prueba definitiva de rendimiento.