Projet IA – Arbre de décision

Sommaire

I- L’arbre de décision 3 a- Définition de l’arbre de décision 3 b- Exemple d’un arbre de décision 4 c- Problématique et domaine d’application 5 d- Modèles d’apprentissage 5 e- Principe de la méthode 6 f- Avantages et Inconvénients 6 II- Construction d’un arbre 7 a- Déroulement de la construction 7 b- Condition d’arrêt 7 c- Parcours d’un arbre 8 III- Les différentes types d’arbres 9 a- CART 9 b- ID3 10 c- C4.5 11 d- ID3 vs C4.5 11 e- CHAID 12 IV- Les principes pour améliorer l’arbre de décision 13 a- L’entropie 13 b- Le gain 13 c- L’élagage 14 d- Problématiques connexes 15

I- L’arbre de décision

a- Définition de l’arbre de décision
Un arbre de décision est un outil automatisé d’aide à la décision, un modèle de classification qui permet de répartir une population d’individus en groupe homogènes selon différents attributs en fonction d’un objectif fixé et connu.
Il est une représentation arborescente d’une fonction à valeurs discrète. Les arbres sont composés de plusieurs éléments : des nœuds, des branches, et des feuilles. * Les nœuds de l’arbre testent les attributs. * Il y a une branche pour chaque valeur de l’attribut testé * Les feuilles spécifient les décisions.
Chaque chemin depuis la racine jusqu’à la feuille est une règle de décision.
Une instance est testée par son chemin depuis la racine jusqu’à la feuille.

b- Exemple d’un arbre de décision

c- Problématique et domaine d’application
Les arbres de décision permettent de déterminer l’appartenance d’un individu à une classe en fonction de plusieurs caractéristiques.
Ces derniers sont utilisés dans plusieurs domaines ; voici quelques exemples : * Répondre à un questionnaire * Analyser les risques d’un projet * Résoudre un problème à l’aide de questions/réponses * Détecter les risques de réclamation * Comprendre les critères pour l’achat