Diagrama de árbol de decisión

Acerca de los árboles de decisión

Un árbol de decisión es un diagrama ramificado que representa una secuencia de elecciones y sus consecuencias como un árbol con raíz: cada nodo interno es una pregunta o decisión, cada arista es una respuesta o acción, y cada hoja es un resultado. El formato aparece en tres prácticas bastante diferentes — diagramas de flujo de resolución de problemas y reglas de decisión clínica (árboles taxonómicos), análisis de riesgo e inversión usando valor esperado (análisis de decisión) e inspección de modelos de machine learning (árboles clasificadores). A pesar de las diferencias superficiales, los tres comparten la misma estructura de árbol, razón por la cual Schematex los codifica bajo una palabra clave con un selector de modo.

Los árboles de decisión de Schematex cubren: (1) modo taxonómico — los flujos de preguntas sí/no usados en triaje médico (linaje Turing 1937; ahora estándar en soporte de decisión clínica), (2) modo de análisis de decisión — el método de rollback de valor esperado desarrollado en ciencias de la gestión (Raiffa & Schlaifer, 1961), y (3) modo ML — el formato de división/hoja CART utilizado para visualizar clasificadores entrenados de scikit-learn y similares (Breiman et al., 1984).

1. Su primer árbol de decisión

El árbol de decisión útil más pequeño: una pregunta raíz con dos ramas.

Cuatro reglas cubren el 80% del uso:

1. Empiece con decisiontree, opcionalmente con :mode y un título entre comillas.
2. Cada nodo de pregunta usa question "texto" (o la forma abreviada q "texto").
3. Cada respuesta/hoja usa answer "texto" (o a "texto" o leaf "texto").
4. Las etiquetas de rama — yes:, no:, o una label "X": personalizada — preceden al nodo hijo en la misma línea.

La indentación controla el anidamiento: cada nivel añade 2 espacios. El parser calcula las relaciones padre-hijo a partir de la profundidad de indentación.

Los comentarios deben comenzar con # o // en su propia línea.

2. Modos

El modo se establece en la línea de encabezado:

La dirección predeterminada es top-down para los modos taxonómico y ML, left-right para el análisis de decisión.

3. Modo taxonómico

Mejor para: guías de resolución de problemas, FAQs, protocolos clínicos, flujos de recomendación de productos.

Palabras clave de nodo

Etiquetas de rama

Las etiquetas personalizadas permiten ir más allá de sí/no para decisiones de múltiples vías desde una pregunta.

4. Modo de análisis de decisión

Mejor para: decisiones de inversión, análisis de fabricar vs. comprar, evaluación de estrategias ponderadas por riesgo.

Palabras clave de nodo

Palabras clave de rama

Atributo de beneficio

payoff=N en cualquier nodo establece el valor del beneficio. En los nodos end / outcome define el valor terminal. El parser ejecuta el rollback de valor esperado automáticamente: el EV de cada nodo chance es la suma ponderada por probabilidad de los EVs de sus hijos; el EV de cada nodo decision es el EV máximo de los hijos, y la rama óptima queda señalada.

Restricción: las probabilidades en todos los hijos directos de un nodo chance deben sumar 1.0 (±0.01). El parser lanza un DTreeParseError si no es así.

5. Modo de diagrama de influencia

Mejor para: encuadrar un problema de decisión de forma compacta antes de desplegarlo. Donde el modo de análisis de decisión dibuja cada rama de cada resultado como un árbol explícito, un diagrama de influencia (Howard & Matheson, 1981) dibuja el mismo problema como un grafo acíclico dirigido (DAG) de variables y las dependencias entre ellas — un nodo por decisión, incertidumbre y objetivo, independientemente de cuántos estados pueda tomar cada uno. Es el diagrama al que los analistas de decisión acuden primero, porque muestra la estructura (qué informa a qué, qué afecta al beneficio) sin la explosión combinatoria de un árbol.

Este modo es estructural, no computacional. A diferencia del modo de análisis de decisión, no resuelve el valor esperado — el grafo compacto omite deliberadamente las tablas de probabilidad y beneficio que requeriría un rollback de EV. Úselo para comunicar y validar la forma del problema; use el modo de análisis de decisión (sección 4) cuando quiera los números plegados hacia atrás.

Formas del encabezado

Dos maneras equivalentes de seleccionar el modo:

decisiontree:influence "Oil Wildcatter"

o, como directiva en su propia línea después del encabezado:

decisiontree "Market Entry"
  mode: influence

Palabras clave de nodo

Cada nodo se declara como tipo Id "etiqueta" — un id (usado para conectar arcos) seguido de una etiqueta de visualización entre comillas.

Las formas siguen la convención estándar del diagrama de influencia: las decisiones son rectángulos, las incertidumbres son óvalos y el nodo de valor es un octágono. Añada utility=N a un nodo de valor para anotar el beneficio que representa (value Profit "Net profit" utility=42).

Arcos y su semántica

Los arcos se escriben Origen -> Destino en sus propias líneas, por id de nodo. El significado de un arco se lee por su destino, exactamente como en el estándar publicado:

El arco informativo discontinuo es el que hay que vigilar: Seismic -> Drill significa "el resultado de la prueba sísmica se observa antes de elegir si perforar", lo que es precisamente lo que hace que la decisión valga la pena modelar.

Reglas de validación

• El grafo debe ser acíclico — un ciclo (por ejemplo, A -> B y B -> A) es rechazado.
• Se requiere al menos un nodo value; un diagrama de influencia sin objetivo no es un problema de decisión.
• Los arcos referencian ids de nodo que deben estar declarados.

Ejemplos

El Wildcatter de Petróleo — el problema de enseñanza canónico. El resultado de la prueba sísmica se observa antes de la decisión de perforar (arco informativo discontinuo Seismic -> Drill), la prueba es relevante para si hay petróleo presente (Seismic -> Oil), y tanto el estado del petróleo como la decisión de perforar alimentan el beneficio (Oil -> Profit, Drill -> Profit).

Una decisión de entrada al mercado usando la forma de directiva mode: influence. La demanda se observa antes de entrar (Demand -> Enter, informativo/discontinuo) y también impulsa directamente el beneficio, mientras que la respuesta del competidor solo alimenta el resultado.

6. Modo de machine learning

Mejor para: explicar clasificadores CART entrenados, informes de transparencia de modelos, análisis de importancia de características.

Palabras clave de nodo

Prefijos de rama

true y false preceden a los nodos hijos para marcar qué rama representa cada hijo.

Propiedades (clave=valor, sin dos puntos, sin comillas alrededor de los valores)

7. Opciones de configuración

Las líneas de configuración aparecen entre el encabezado y el primer nodo. Cada una es clave: valor (dos puntos, sin palabra clave config).

Configuración compartida (todos los modos)

Configuración taxonómica

Configuración de análisis de decisión

Configuración ML

decisiontree:ml "Loan classifier"
direction: top-down
impurity: gini
classes: Approved, Denied, Review

8. Etiquetas y comentarios

• Título del diagrama: decisiontree "Título" — la cadena entre comillas después de la palabra clave del encabezado.
• Etiqueta de nodo: la cadena entre comillas inmediatamente después de la palabra clave del nodo — question "Is the fee waived?".
• Etiqueta de rama: yes:, no:, o label "Personalizado": antes del nodo hijo — en la misma línea que el hijo.
• Beneficio: payoff=250000 al final de una línea de nodo de decisión/fin.
• Propiedades ML: tokens clave=valor después de la cadena de etiqueta del nodo (sin corchetes […], sin dos puntos).
• Comentarios: # o // al inicio de una línea (después de espacios iniciales opcionales). Solo se admiten comentarios de línea completa — no se admiten comentarios al final de la línea.

9. Palabras reservadas y escape

Palabras clave de nodo reservadas: decision, chance, end, outcome, choice, prob, split, leaf, question, q, answer, a.

Prefijos de rama reservados: yes:, no:, true, false, label.

Formas de encabezado reservadas: decisiontree, decisiontree:decision, decisiontree:da, decisiontree:ml.

Las cadenas con espacios deben ir entre comillas dobles: question "Annual revenue > $1M?". Las etiquetas de nodo, las etiquetas de rama de la sintaxis label "…": y el título del diagrama requieren comillas dobles.

10. Errores comunes

11. Gramática (EBNF)

document       = header ( config-line )* node

header         = "decisiontree" ( ":" mode )? ( WS quoted-string )? NEWLINE
mode           = "decision" | "da" | "ml"
                 // omitted → taxonomy

config-line    = config-key ":" WS config-value NEWLINE
config-key     = "direction" | "edgeStyle" | "edge-style"
               | "branchLabels" | "branch-labels"
               | "branchLength" | "branch-length"
               | "impurity" | "classes"

// ── Taxonomy mode ──────────────────────────────
node           = ( branch-prefix WS )? tax-node ( WS "[" tax-attrs "]" )? NEWLINE
                   INDENT child-node*
tax-node       = ( "question" | "q" ) WS quoted-string
               | ( "answer" | "a" | "leaf" ) WS quoted-string
branch-prefix  = "yes:" | "no:" | "label" WS quoted-string ":"

// ── Decision-analysis mode ─────────────────────
da-node        = "decision" WS quoted-string NEWLINE INDENT da-child+
               | "chance" WS quoted-string NEWLINE INDENT da-prob-child+
               | ( "end" | "outcome" ) WS quoted-string ( WS "payoff=" number )? NEWLINE
da-child       = "choice" WS quoted-string NEWLINE INDENT da-node
da-prob-child  = "prob" WS number WS da-node    // prob, value, and child all on one line

// ── ML mode ───────────────────────────────────
ml-node        = ( "true" | "false" )? ml-kind WS quoted-string ml-prop* NEWLINE
                   INDENT ml-child*
                 // "true"/"false" and ml-kind must be on the same line
ml-kind        = "split" | "leaf"
ml-prop        = WS key "=" value     // no spaces around "="

comment        = ( "#" | "//" ) any NEWLINE
quoted-string  = '"' any-char-but-quote* '"'

Fuente autorizada: src/diagrams/decisiontree/parser.ts. Si esto diverge del parser, el parser tiene precedencia — por favor, abra un issue.

12. Conformidad con estándares

Los árboles de decisión de Schematex cubren cuatro convenciones establecidas:

El modo taxonómico sigue las convenciones de diagrama de flujo de preguntas/respuestas comunes en los sistemas de soporte de decisión clínica (linaje Arden Syntax) y los procedimientos de resolución de problemas ISO 9001.

El modo de análisis de decisión sigue el método de rollback de valor esperado de las ciencias de la gestión: nodos de decisión (cuadrado, el actor elige), nodos de azar (círculo, probabilístico), nodos terminales con beneficios. El EV se calcula automáticamente mediante inducción hacia atrás (Raiffa & Schlaifer, 1961).

El modo de diagrama de influencia sigue la convención de Howard & Matheson (1981): nodos de decisión (rectángulo), azar (óvalo) y valor (octágono) conectados como un grafo acíclico, con el significado del arco leído desde el destino (informativo hacia las decisiones, dibujado discontinuo; relevancia hacia el azar; funcional hacia el valor). Es un diagrama estructural — no resuelve el EV.

El modo ML sigue la notación de división/hoja CART (Classification and Regression Trees) (Breiman et al., 1984) compatible con la salida export_text y plot_tree de scikit-learn.

Lo que está implementado hoy:

• ✅ Los cuatro modos: taxonómico, análisis de decisión, diagrama de influencia, ML
• ✅ Taxonómico: question/q, answer/a/leaf, yes:, no:, etiquetas de rama label "X":
• ✅ Decisión: decision, chance, end/outcome, choice, prob, payoff=N, rollback de EV automático
• ✅ Influencia: nodos decision/chance/value, utility=N, arcos Origen -> Destino, semántica de arco derivada del destino, arcos informativos discontinuos, validación de aciclicidad + nodo de valor
• ✅ ML: split, leaf, prefijos de rama true/false, feature=, threshold=, gini=, entropy=, mse=, class=, value=
• ✅ Configuración: direction:, edgeStyle:, impurity:, classes:, branchLabels:, branchLength:, mode:
• ⏳ Renderizado de longitud de rama ponderada por probabilidad (branchLength: probability se analiza pero aún no se aplica visualmente)
• ⏳ Superposiciones de análisis de sensibilidad (anotaciones estilo gráfico tornado en árboles de decisión)
• ⏳ Vista de bosque/conjunto — múltiples árboles en paralelo

Referencias:

• Raiffa, H. & Schlaifer, R. (1961). Applied Statistical Decision Theory. Harvard Business School.
• Howard, R. A. & Matheson, J. E. (1981/2005). Influence Diagrams. Decision Analysis 2(3).
• Breiman, L. et al. (1984). Classification and Regression Trees. Wadsworth.
• Wikipedia — Decision tree · Influence diagram · Decision tree learning

13. Hoja de ruta

Planificado — aún no analizable. No use estos elementos en DSL generado hoy; el parser los rechazará o ignorará.

• Renderizado visual de branchLength: probability — la clave de configuración se analiza pero el motor de layout aún no escala las longitudes de rama por probabilidad.
• Análisis de sensibilidad / tornado — bloque sensitivity: que anota qué valores prob afectan más el EV final.
• Anotaciones de exportación — salida de tabla estructurada (matriz de decisión) junto al SVG del diagrama.
• Vista de bosque — palabra clave forest que envuelve múltiples bloques decisiontree en un layout de comparación en paralelo.
• Marcadores interactivos de colapsar/expandir — collapsed: true en un nodo para renderizar un marcador triangular para subárboles profundos.

Haga seguimiento en los issues de GitHub si necesita alguno de estos antes.

Ejemplos relacionados

Escenarios listos para usar de la galería de ejemplos: