Árboles de Decisión — Clasificación de Pingüinos

# Descripción

Proyecto de árboles de decisión con scikit-learn para clasificar especies de pingüinos (Adelia, Barbijo, Papúa) usando el dataset Palmer Penguins. Aprende los conceptos fundamentales: Gini Impurity para medir pureza de nodos, feature importance para ranking de variables, control de profundidad para evitar overfitting, poda con ccp_alpha, y visualización del árbol completo con plot_tree. Comprende por qué los árboles son más interpretables que KNN y no requieren escalar datos.

$ ./deploy.sh $ git clone

# Características principales

$ Entrenamiento de árboles de decisión con scikit-learn

$ Visualización del árbol completo con plot_tree

$ Gini Impurity y criterios de división de nodos

$ Feature importance: ranking de las variables más importantes

$ Control de profundidad (max_depth) para evitar overfitting

$ Poda por coste-complejidad con ccp_alpha

# Galería

Vista escritorio

Vista móvil

# Tecnologías utilizadas

Python scikit-learn pandas matplotlib seaborn