Qué es
Un árbol de decisión predice un resultado haciendo una serie de preguntas sucesivas sobre los datos, similar a un diagrama de flujo: “¿la edad es mayor a 30?”, “¿el ingreso supera cierto monto?”. Cada pregunta divide los datos en dos ramas, hasta llegar a una hoja final que da la predicción.
Su mayor ventaja
Es fácilmente interpretable: se puede visualizar el árbol completo y entender exactamente por qué el modelo llegó a una predicción determinada, algo que no siempre es posible con modelos más complejos como las redes neuronales.
Su mayor debilidad
Un único árbol de decisión tiende a sufrir overfitting fácilmente, ajustándose demasiado a los datos de entrenamiento. Por eso, en la práctica, rara vez se usa solo: métodos como Random Forest y Gradient Boosting combinan muchos árboles para lograr predicciones más robustas.