Apprentissage par arbre de décision

En informatique, l’apprentissage par arbre de décision utilise un arbre de décision (en tant que modèle prédictif) pour passer des observations relatives à un élément (représenté dans les branches) à des conclusions sur la valeur cible de l'élément (représentée dans les feuilles).

C'est l'une des approches de modélisation prédictive utilisées dans les statistiques, l'exploration de données et l’apprentissage automatique. Les modèles d'arborescence dans lesquels la variable cible peut prendre un ensemble discret de valeurs sont appelés des arbres de classification . Dans ces arborescences, les feuilles représentent les étiquettes de classe et les branches représentent les conjonctions d'entités menant à ces étiquettes de classe. Les arbres de décision où la variable cible peut prendre des valeurs continues (généralement des nombres réels) sont appelés des arbres de régression.

Dans l'analyse de décision, un arbre de décision peut être utilisé pour représenter visuellement et explicitement les décisions et la prise de décision.

Dans l'exploration de données, un arbre de décision décrit les données (mais l'arbre de classification résultant peut être une entrée pour la prise de décision).