<!-- Slide number: 1 -->
Année Universitaire 2019-2020
Exemple
Arbre de Décision + Indice de Gini
Walid Barhoumi
Notes:
<!-- Slide number: 2 -->
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)
<!-- Slide number: 3 -->
Publicité
Exemple bancaire (suite)
<!-- Slide number: 4 -->
Arbre de décision associé
<!-- Slide number: 5 -->
Construction arbre – Exemple Bancaire: Etape 1
0,031
<!-- Slide number: 6 -->
Construction arbre – Exemple Bancaire : Etape 2
Publicité
<!-- Slide number: 7 -->
Construction arbre – Exemple Bancaire : Etape 2
<!-- Slide number: 8 -->
Construction arbre – Exemple Bancaire : Etape 2
<!-- Slide number: 9 -->
Construction arbre – Exemple Bancaire : Etape 2
<!-- Slide number: 10 -->
Publicité
Construction arbre – Exemple Bancaire : Etape 2
<!-- Slide number: 11 -->
Base de règles d’apprentissage
<!-- Slide number: 12 -->
Arbre de décision associé
<!-- Slide number: 13 -->
Points forts
Publicité
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