¿Qué sucede con el árbol cuando hay una cantidad muy grande o muy pequeña de objetos mínimos en la hoja?

La cantidad mínima de objetos en una hoja (leaf) de un árbol de decisiones afecta la estructura y la calidad del modelo:

• Cantidad muy grande de objetos en una hoja:

  • El árbol será menos profundo, ya que los nodos no se dividirán hasta que tengan suficientes objetos.
  • El modelo será más simple, con menos hojas.
  • Puede haber subajuste (underfitting), ya que el árbol no podrá capturar dependencias complejas.

• Cantidad muy pequeña de objetos en una hoja:

  • El árbol será muy profundo y ramificado.
  • El modelo puede sobreajustarse (overfitting), adaptándose al ruido en los datos.
  • Aumenta el tiempo de entrenamiento y predicción.

Por lo tanto, la elección de la cantidad mínima de objetos en una hoja es un equilibrio entre la complejidad del modelo y su capacidad de generalización. Normalmente, este parámetro se ajusta empíricamente mediante validación cruzada.