« Arbre de décision » : différence entre les versions

Dernière version du 27 janvier 2024 à 17:16

Définition

Un arbre de décision désigne un algorithme d’aide à la décision qui se représente graphiquement sous la forme d’un arbre inversé (avec le tronc en haut et les branches vers le bas) ou un arbre couché. Il est utilisé en apprentissage automatique afin de calculer différents résultats en fonction de décisions prises à chaque étape (embranchement de l’arbre) et de faire des prédictions à l’aide de calculs de probabilités.

Cet algorithme est parfois aussi appelé arbre de classification. Une variante, appelée arbre de régression est représentée de la même façon, mais elle est utilisée pour prédire des valeurs numériques comme le prix d’un bien de consommation.

voir Arbres de classification et de régression

Français

Arbre de décision

Arbre décisionnel

Anglais

Decision tree

Sources

Source: Wikipedia

Source : towardsdatascience

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
-[[category:Vocabulaire]]
+==Définition==
+Un arbre de décision désigne un algorithme d’aide à la décision qui se représente graphiquement sous la forme d’un arbre inversé (avec le tronc en haut et les branches vers le bas) ou un arbre couché. Il est utilisé en apprentissage automatique afin de calculer différents résultats en fonction de décisions prises à chaque étape (embranchement de l’arbre) et de faire des prédictions à l’aide de calculs de probabilités.
-Cet outil d’aide à la décision ou d’exploration de données permet de représenter un ensemble de choix sous la forme graphique d’un arbre. C’est une des méthodes d’apprentissage supervisé les plus populaires pour les problèmes de classification de données.
+Cet algorithme est parfois aussi appelé [[arbre de classification]]. Une variante, appelée [[arbre de régression]] est représentée de la même façon, mais elle est utilisée pour prédire des valeurs numériques comme le prix d’un bien de consommation.
-Concrètement, un arbre de décision modélise une hiérarchie de tests pour prédire un résultat. Il existe deux principaux types d’arbre de décision :
+voir '''[[Arbres de classification et de régression]]'''
-Les arbres de régression (Regression Tree) permettent de prédire une quantité réelle, une valeur numérique (par exemple, le prix d’une maison ou la durée de séjour d’un patient dans un hôpital) ;
+==Français==
-Les arbres de classification (Classification Tree) permettent de prédire à quelle classe la variable de sortie appartient (cela permet par exemple de répartir une population d’individus, comme des clients d’une entreprise en différents types de profils).
+'''Arbre de décision'''
-Les décisions possibles sont situées aux extrémités des branches (les « feuilles » de l’arbre) et sont atteintes en fonction de décisions prises à chaque étape. Un arbre de décision fonctionne en appliquant de manière itérative des règles logiques très simples (typiquement des séparations de données par « hyperplan », généralisation d’un plan à plus de 2 dimensions), chaque règle étant choisie en fonction du résultat de la règle précédente.
+'''Arbre décisionnel'''
-Les arbres de décision ont pour avantage d’être simple à interpréter, très rapide à entrainer, d’être non paramétrique, et de nécessiter très peu de prétraitement des données. Ils peuvent être calculés automatiquement par des algorithmes d’apprentissage supervisé capables de sélectionner automatiquement les variables discriminantes au sein de données non-structurées et potentiellement volumineuses. Ces algorithmes permettent aussi d’extraire des règles logiques qui n’apparaissaient pas dans les données brutes. Un autre usage en machine learning consiste à construire non pas un arbre mais une forêt d’arbres de décision. Une décision est alors prise en faisant « voter » l’ensemble des arbres et en choisissant la réponse majoritaire (pour un choix discret) ou la moyenne des réponses (pour une variable continue). Les résultats ainsi obtenus sont remarquables notamment lorsque les arbres de décision sont utilisés en forêts aléatoires (Random Forest*).
+==Anglais==
+'''Decision tree'''
-* Leo Breiman. Random forests. Machine Learning, 45(1):5–32, 2001.
+==Sources==
+[https://fr.wikipedia.org/wiki/Arbre_de_d%C3%A9cision ''Source: Wikipedia'']
+[https://towardsdatascience.com/decision-trees-in-machine-learning-641b9c4e8052 Source : towardsdatascience]
+</small><br>
+{{Modèle:101}}
+[[Catégorie:Intelligence artificielle]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
+[[Catégorie:101]]