Simulador docente para la comprensión de la construcción de árboles de decisión ID3

• Ismael Ramos Pérez ; Gadea Lucas Pérez ; Daniel Drefs Fernandes ^[1] ; Pedro Latorre Carmona ; Carlos López Nozal
  1. [1] Universidad de Burgos

     Universidad de Burgos

     Burgos, España

     
• Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 10 (Actas de las XXXI Jornadas sobre la Enseñanza Universitaria de la Informática), 2025, págs. 349-356
• Idioma: español
• Enlaces
  • Texto completo (html)
• Resumen
  • español

    Los arboles de decisión son una de las herramientas más populares en aprendizaje automático gracias a su rendimiento e interpretabilidad. Su capacidad para representar visualmente el proceso de toma de decisiones permite poder obtener soluciones sencillas a profesionales que no tengan mucha experiencia en el uso de este tipo de metodologías. Un único grafico en forma de árbol, donde cada nodo representa una decisión y cada rama un posible resultado, permite entender claramente su comportamiento. Su versatilidad ha impulsado su uso en una amplia variedad de problemas de clasificación y regresión. El estudio de los árboles de decisión es esencial en cualquier curso introductorio de aprendizaje automático. Sin embargo, aunque su interpretación es sencilla, su construcción puede ser compleja para principiantes. En este artículo, se presenta una herramienta docente de código abierto que tiene como objetivo mejorar la comprensión de la construcción de árboles de decisión ID3 mostrando visual e interactivamente los pasos de construcción o entrenamiento. De la misma forma, se explican otros conceptos necesarios como la entropía y la entropía condicional. Finalmente, se presenta una valoración de la experiencia de usuario del recurso basado en encuestas a docentes experimentados.

  • English

    Decision trees are one of the most popular tools in machine learning. This is due to their performance and interpretability. Its ability to visually represent the decision-making process allows professionals who do not have much experience in this type of tools, to obtain simple solutions. A single tree-shaped graph, where each node represents a decision, and each branch a possible outcome, allows a clear understanding of its behavior. Its versatility has driven its use in a wide variety of classification and regression problems. The study of decision trees is essential in any introductory machine learning course. However, its construction can be complex for beginners, even though its interpretation is simple. This paper presents an open source teaching tool that aims to improve the understanding of the generation of ID3 decision trees, by visually and interactively showing the training steps to be followed. In the same way, other necessary concepts such as entropy and conditional entropy are explained. Finally, user experience assessment results for the tool, based on surveys to experienced lecturers, is presented.