Skip to content
Voltar aos resultados

Árvore de Decisão

Proposto por
Breiman, Friedman, Olshen & Stone
Ano
1984
Tipo
Recursive partitioning (if-then rules)

Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês

Tamanho da fonte

O que ele faz?

Uma Árvore de Decisão é um método interpretável de classificação e regressão, formalizado por Breiman, Friedman, Olshen e Stone em sua estrutura CART de 1984, que particiona os dados com regras hierárquicas se-então.

Cada divisão envia observações por um ramo ou outro até que uma previsão seja lida na folha.

A intuição por trás do método

Pense em uma árvore de decisão como um fluxograma de perguntas sim/não. Começando com todos os dados, a árvore pergunta repetidamente a única questão sobre uma característica que melhor separa os casos — por exemplo, 'a idade é superior a 40?' — e divide os dados em dois grupos. Ela continua dividindo cada grupo até que os casos internos sejam razoavelmente homogêneos, e os grupos finais (as folhas) fornecem a previsão. A cadeia de perguntas da raiz até uma folha é uma regra que qualquer leitor pode seguir.

História

As árvores de decisão foram rigorosamente fundamentadas por Leo Breiman, Jerome Friedman, Richard Olshen e Charles Stone em sua monografia de 1984 Classification and Regression Trees, que introduziu o algoritmo CART e seu uso de medidas de impureza como o índice Gini. A estrutura transparente se-então tornou as árvores um elemento básico da análise aplicada, e elas posteriormente se tornaram o bloco de construção central de ensembles mais poderosos — empacotadas em Random Forests e impulsionadas em Gradient Boosting — onde muitas árvores são combinadas para superar a instabilidade de qualquer uma delas.

Quando usar

Use uma árvore de decisão quando desejar um modelo interpretável para classificação, previsão ou explicação em dados tabulares transversais com pelo menos cerca de 30 observações, misturando características contínuas, categóricas, binárias e ordinais. Não é necessário escalonamento de características e as regras são fáceis de comunicar. Abaixo de cerca de 30 casos, a árvore sobreajusta facilmente — as folhas podem conter uma única observação — e um modelo mais simples e estável, como regressão logística ou naive Bayes, é mais seguro.

Limitações e considerações

  • Propenso a sobreajuste, a menos que podado via max_depth ou min_samples_leaf.
  • Em amostras pequenas (n abaixo de cerca de 30), a árvore sobreajusta facilmente, com folhas que podem conter uma única observação.
  • Após a poda, uma árvore de amostra pequena pode reter poucas divisões para ser útil, onde a regressão logística é mais estável.
  • Uma única árvore é instável — pequenas mudanças nos dados podem produzir uma estrutura muito diferente.

As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.

Pontos fortes

  • Altamente interpretável: o caminho da raiz à folha é uma regra simples se-então.
  • Não é necessário escalonamento de características; lida diretamente com características contínuas, categóricas, binárias e ordinais.
  • Baixa dificuldade — adequada até mesmo para usuários iniciantes.
  • Serve como bloco de construção para ensembles como Random Forest e Gradient Boosting.

Aplicações

  • Classificação interpretável de dados tabulares transversais.
  • Previsão e segmentação de risco onde regras transparentes são valorizadas.
  • Análise explicativa para identificar quais características e limiares impulsionam um resultado.
  • Um aprendiz base dentro de ensembles como Random Forest e Gradient Boosting.

Como funciona

Como funciona

1

Em cada nó, a árvore busca cada característica e cada limiar possível para a divisão que mais melhora a pureza — o algoritmo CART tipicamente usa o índice Gini ou o ganho de informação para classificação. A divisão que resulta na maior redução de impureza é escolhida, de modo que cada ramo contém casos que são mais semelhantes do que antes.

Fórmula
\Delta i = i(t) - p_L\, i(t_L) - p_R\, i(t_R)
2

A divisão escolhida é aplicada e o procedimento é recursivo em cada ramo resultante, particionando os dados repetidamente. Como não é necessário escalonamento de características, características contínuas, categóricas, binárias e ordinais podem ser usadas diretamente. Se não controlada, a árvore continua crescendo até que as folhas estejam quase puras — que é exatamente onde o sobreajuste (overfitting) surge.

3

Para controlar o sobreajuste, a árvore é restringida — limitando a profundidade (max_depth), exigindo um número mínimo de casos por folha (min_samples_leaf), ou podando ramos que adicionam pouco. O resultado é um conjunto compacto de regras legíveis: o caminho da raiz à folha é uma regra de decisão transparente, razão pela qual as árvores de decisão são adequadas até mesmo para iniciantes.

Erros comuns

  • Crescimento da árvore até a profundidade total sem limitar max_depth ou min_samples_leaf.
  • Confiar em uma única árvore profunda com menos de cerca de 30 observações.
  • Ler uma árvore frágil de amostra pequena como uma explicação estável dos dados.
  • Relatar precisão in-sample sem uma divisão treino/teste ou validação cruzada.

Perguntas frequentes

Como uma divisão é escolhida?

O algoritmo CART avalia divisões candidatas em todas as características e limiares e escolhe aquela que mais reduz a impureza do nó, comumente medida pelo índice Gini ou ganho de informação para classificação.

Por que uma árvore de decisão sobreajusta e como posso pará-la?

Se deixada crescer livremente, uma árvore continua dividindo até que as folhas estejam quase puras, memorizando ruído. Restrinja-a limitando a profundidade (max_depth), exigindo um número mínimo de casos por folha (min_samples_leaf) ou podando ramos que adicionam pouco.

Quanta informação preciso?

Vise pelo menos cerca de 30 observações. Abaixo disso, a árvore sobreajusta facilmente — as folhas podem conter um único caso — e um modelo mais simples como regressão logística ou naive Bayes é mais estável.

Como uma árvore de decisão se relaciona com Random Forest?

Uma única árvore de decisão é o bloco de construção de ensembles: Random Forest cresce muitas árvores em dados reamostrados e combina seus votos, e Gradient Boosting constrói árvores sequencialmente — ambos trocando a transparência da árvore única por maior precisão e estabilidade.

Métodos relacionados

Fontes

  1. Breiman, L., Friedman, J.H., Olshen, R.A. & Stone, C.J. (1984). Classification and Regression Trees. Wadsworth.

    Abrir referência DOI
    Copiado.