O que é Árvore de Decisão?

A árvore de decisão é um algoritmo de aprendizado de máquina supervisionado estruturado em um fluxograma de ramificações condicionais de decisão (nós) para classificar ou prever dados. Devido à sua lógica simples e baseada em regras condicionais ("if-else"), é o modelo ideal de inteligência artificial para rodar em microcontroladores de memória limitada.

Como funciona e se estrutura a Árvore de Decisão?

A arquitetura divide dados complexos em caminhos lógicos simples:

• Nó Raiz (Root Node): O ponto inicial do algoritmo que representa o atributo mais importante a ser testado na triagem de dados de sensores.
• Nós de Decisão (Decision Nodes): Ramificações intermediárias que testam condições físicas específicas (Exemplo: "Se temperatura do DHT11 > 30°C").
• Nós Folha (Leaf Nodes): Extremidades finais que entregam a resposta final ou classificação (Exemplo: "Ligar Ar Condicionado").

Esses algoritmos lógicos rodam com rapidez e excelente aproveitamento de hardware em placas de desenvolvimento de conectividade sem fio como o Módulo ESP32 NodeMCU.

Perguntas Frequentes (FAQ)

Por que usar árvores de decisão em microcontroladores com TinyML?

Diferente de redes neurais profundas que exigem processamento pesado de matrizes de ponto flutuante, a árvore de decisão é convertida em blocos rápidos de fáceis comandos condicionais nativos de linguagem de programação C++.

O que é o sobreajuste (overfitting) em árvores de decisão?

Ocorre quando a árvore cresce excessivamente com ramificações complexas que decoram perfeitamente os dados de treino, mas falha ao classificar dados reais novos coletados por sensores na bancada de eletrônica.