PRACTICA-6.TXT 
 Árboles de decisión.
============================================================================

 Durante la clase se desarrollará la solucion al primer ejercicio, explicando
   brevemente el funcionamiento de los árboles de decisión. El segundo es
   un ejercicio puntuable para realizar en casa, el código en CLIPS de dicho
   ejercicio debe ser envíado por e-mail a "fmartin@cs.us.es" antes del
   miércoles 17 de Abril con el "Subject" "Ejercicio-puntuable-4". No se
   admitirá ningún trabajo cuya fecha de envío sea posterior a la del
   día 17.  

*****************************************************************************
* PROBLEMA 1:                                                               *
*****************************************************************************

 Implementar en CLIPS el proceso deductivo utilizado en un árbol de
   decisión con aprendizaje.
 En un árbol de decisión los nodos internos almacenan preguntas y las
   hojas almacenan posibles respuestas finales. En función de las
   respuestas a las preguntas de los nodos internos, se va describiendo un
   camino en el árbol que va desde la raíz hasta una hoja que
   contendrá la conclusión del sistema.
 Un árbol de decisión con aprendizaje es un árbol con decisión en el
   que si la conclusión a la que se llega es errónea (desde el punto de
   vista del usuario) se pasa a un proceso de aprendizaje en el que, con
   ayuda del usuario, se modifica el árbol para que considere la nueva
   posibilidad. 
 Los árboles de decisión son muy utilizados para realizar
   clasificaciones en función de las características de ciertos objetos.
 En este caso consideraremos árboles de decisión binarios, es decir,
   tales que las posibles respuestas a las preguntas almacenadas en los
   nodos internos son "si" o "no".
 Utilizar el programa con el siguiente árbol de decisión que clasifica
   animales. 

 ¿ Es muy grande ? 
   |          |
   |          |<- No
   |          |
   |        ¿ Emite chillidos ?
   |          |          |
   |          |          |<- Si
   |          |          |
   |          |<- No   Posiblemente es un ratón.
   |          |
   |<- Si   Posiblemente es una ardilla.
   |
 ¿ Tiene un cuello largo ? 
   |          |
   |          |<- Si
   |          |
   |<- No   Posiblemente es una jirafa.
   |
 ¿ Tiene una trompa ?
   |          |
   |          |<- Si
   |          |
   |<- No   Posiblemente es un elefante.
   |
 ¿ Le gusta estar en el agua ?
   |          |
   |          |<- Si
   |          |
   |<- No   Posiblemente es un hipopótamo.
   |
 Posiblemente es un rinoceronte.     

 Cargar el programa en CLIPS y utilizar el conjunto de reglas construido
   para averiguar qué tipo de animal puede ser aquel que es grande, no
   tiene el cuello largo y tiene trompa. Examinar y explicar las
   activaciones de las reglas. 
 Intentar clasificar un gato con el árbol de decisión anterior y
   conprobar que, efectivamente, el árbol de decisión es modificado.

*****************************************************************************
* PROBLEMA 2:                                                               *
*****************************************************************************

	 ************************************************************
	 * Este es un ejercicio puntuable para realizar en casa, el *
	 * código en CLIPS de dicho ejercicio debe ser envíado  *
	 * por e-mail a "fmartin@cs.us.es" antes del miércoles 17 *
	 * de Abril con el "Subject" "Ejercicio-puntuable-4". No se *
	 * admitirá ningún trabajo cuya fecha de envío sea    *
	 * posterior a la del día 17.                             *
	 ************************************************************

 Implementar en CLIPS el proceso deductivo utilizado en un árbol de
   decisión múltiple con aprendizaje.
 En un árbol de decisión múltiple cada nodo decisión puede tener un
   rango de posibles respuestas que no han de ser necesariamente "si" o "no".
 El proceso de aprendizaje en un árbol de decisión múltiple puede
   consistir en incluir un nueva respuesta en el rango de un nodo decisión o
   incluir una nueva conclusión, como en el caso de los árboles de
   decisión binarios.
 Utilizar el programa con el siguiente árbol de decisión:

 ¿ Cuál es la comida principal.?
   |             |            |
   |             |            |<- Carne-roja
   |             |            |
   |             |          El vino adecuado es el rojo.
   |             |
   |             |<- Pescado
   |             |
   |           El vino adecuado es el blanco.
   |
   |<- Ave
   |
 ¿ El ave en cuestión es pavo.?
   |             |
   |             |<- Si
   |             |
   |           El vino adecuado es el rojo.
   |
   |<- No
   | 
 El vino adecuado es el blanco.

 Intentar determinar que vino es el adecuado para tomar cuando la comida
   principal es marisco (Vino rosado) y cuando la comida principal es ave y
   dicha ave es un faisán (Vino rojo). Nótese que en el primer caso se ha
   de incluir una nueva respuesta al rango de la primera pregunta y en el
   segundo caso se ha de crear un nuevo nodo decisión, ya sea para preguntar
   el tipo de ave o si el ave en cuestión es faisán.
 
 Nota: Se ha de enviar por correo el código correspondiente y el fichero que
   contiene los hechos que describen el árbol de decisión después del
   proceso de aprendizaje.