Qu'est-ce que l'apprentissage par arbre de décision?
L'apprentissage de l'arbre de décision utilise un modèle prédictif avec des branches informationnelles similaires à un arbre pour recueillir des hypothèses et évaluer la valeur d'un élément. Le système est utilisé pour l'apprentissage automatique, les statistiques et l'exploration de données. Les arbres de décision sont également appelés arbres de régression ou de classification, en fonction de l'objectif pour lequel ils sont utilisés.
Le processus d'apprentissage de l'arbre de décision implique de passer d'une branche à une autre de l'information. Lorsque vous atteignez chaque élément, que ce soit via un ordinateur ou une personne, il faut déterminer si cela s'applique ou non à l'élément cible. Une fois que chaque branche a été explorée, les réponses peuvent être utilisées pour déterminer la valeur.
En substance, l'apprentissage par arbre de décision est le processus de réponse aux questions. Chaque réponse fait avancer le processus jusqu'à ce qu'il y ait suffisamment d'informations pour prendre une décision. Par exemple, un simple arbre peut commencer par demander lequel des deux objets acheter. Une question peut demander si l'objet est utile, alors qu'une autre peut demander si un article a un meilleur prix que l'autre. En posant toutes ces questions, il est généralement possible de déterminer quelle action est statistiquement la plus bénéfique.
L'apprentissage par arbre décisionnel explore également les sous-catégories. Répondre à une question peut en amener une autre. Cela pourrait donner à certaines branches de nombreuses sous-branches, alors que d'autres sont moins élaborées car il est facile de répondre à la question. Poursuivre le processus de cette manière permet à l’utilisateur de développer une évaluation plus détaillée de l’article.
Une autre utilisation possible de l'apprentissage par arbre de décision est la catégorisation. Plutôt que de laisser chaque question conduire à une décision unique, un ensemble d’informations est divisé en différents domaines, en fonction de la réponse donnée pour chaque branche. Une fois que toutes les branches ont été classées, le même processus peut également être exécuté sur chaque catégorie.
L'apprentissage par arbre de décision progresse généralement du niveau le plus élevé. Il n'a pas tendance à revenir en arrière. Une fois que la réponse à une question est complète, il n'est généralement pas nécessaire de s'y référer à nouveau jusqu'à ce que les résultats soient compilés.
Les résultats de l’apprentissage par arbre de décision peuvent être exprimés de différentes manières. Ils peuvent être la réponse à une question oui ou non ou un nombre tel qu'un prix ou une période de temps. Les résultats peuvent également révéler l'identité d'un certain objet et nommer ainsi la classe à laquelle il appartient.