1. Exemple bancaire

Prédire si un client pourra rembourser son prêt avec succès (classe OUI) ou un client qui a des difficultés de remboursement (classe NON)   Arbre de décision associé Construction arbre – Exemple Bancaire: Etape 1 Construction arbre – Exemple Bancaire : Etape 2 Points forts 1-  connaissances « intelligibles » -- validation d’expert 2-  traduction directe de l’arbre vers une base de règles 3-  sélection automatique des variables pertinentes 4-  non paramétrique 5-  traitement indifférencié selon le type des variables 6-  robuste face aux données aberrantes 7- rapidité intéressante sur des bases de taille moyenne Points faibles 1-  problème de stabilité sur les petites bases de données 2-  masque l’intérêt des variables non sélectionnées 3-  recherche « pas-à-pas » : difficulté à trouver les interactions