Skip to content

Fix typo in decision trees explanation #255

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
diegowp310 wants to merge 1 commit into
base: master
Choose a base branch
from
Open

Fix typo in decision trees explanation #255

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
2 changes: 1 addition & 1 deletion 06-ml_algos/decision-trees.es.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -10,7 +10,7 @@ La idea principal detrás de los árboles de decisión es dividir los datos en g

### Estructura

La estructura de un árbol de decisión se asemeja a la de un árbol invertido. Comienza con un nodo llamado **nodo raíz** (*root node*) que contiene todos los datos. Este nodo se divide en dos o más nodos hijos basándose en algún criterio. Son los **nodos de decisión** (*decision node*). Este proceso se repite en cada nodo hijo, creando lo que se llaman **ramas** (*branches*), hasta que se llega a un nodo que no se divide más. Estos nodos finales se llaman **nodos hoja** (*leaf nodes*) y represen tan la decisión final o la predicción del árbol.
La estructura de un árbol de decisión se asemeja a la de un árbol invertido. Comienza con un nodo llamado **nodo raíz** (*root node*) que contiene todos los datos. Este nodo se divide en dos o más nodos hijos basándose en algún criterio. Son los **nodos de decisión** (*decision node*). Este proceso se repite en cada nodo hijo, creando lo que se llaman **ramas** (*branches*), hasta que se llega a un nodo que no se divide más. Estos nodos finales se llaman **nodos hoja** (*leaf nodes*) y representan la decisión final o la predicción del árbol.

![decision_tree_structure](https://github.com/4GeeksAcademy/machine-learning-content/blob/master/assets/decision_tree_structure.jpg?raw=true)

Expand Down