Qu'est-ce que l'apprentissage des arbres de décision?

L'apprentissage des arbres de décision utilise un modèle prédictif avec des branches d'information similaires à un arbre pour recueillir des hypothèses et porter un jugement sur la valeur d'un article.Le système est utilisé pour l'apprentissage automatique, les statistiques et l'exploration de données.Les arbres de décision sont également connus comme des arbres de régression ou de classification, selon le but pour lequel ils sont utilisés.

Le processus d'apprentissage des arbres de décision implique de passer de la branche à la branche de l'information.En atteignant chaque élément, que ce soit par ordinateur ou une personne, il faut déterminer s'il 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.

Essentiellement, l'apprentissage des arbres 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 quels des deux objets acheter.Une question peut se demander si l'objet est utile, tandis qu'un autre pourrait se 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 plus bénéfique.

L'apprentissage des arbres de décision explore également les sous-catégories.Répondre à une question peut en conduire une autre.Cela pourrait entraîner que certaines branches ont de nombreuses sous-branches, tandis que d'autres sont moins élaborées car il est facile de répondre à la question.La poursuite du processus de cette manière permet à l'utilisateur de développer une évaluation plus détaillée de l'article.

Une autre utilisation possible de l'apprentissage des arbres de décision est la catégorisation.Plutôt que d'avoir chaque question mener à une seule décision, un ensemble d'informations est divisé en différents domaines, en fonction de la réponse pour chaque branche.Une fois que toutes les branches ont été classées, le même processus peut également être exécuté sur chaque catégorie.

L'apprentissage de l'arbre de décision progresse généralement du niveau supérieur à la baisse.Il n'a pas tendance à revenir en arrière.Une fois qu'une question a été pleinement répondue, il n'est généralement pas nécessaire de se référer à nouveau jusqu'à ce que les résultats soient compilés.

Les résultats de l'apprentissage des arbres de décision peuvent s'exprimer de diverses manières.Ils peuvent être la réponse à une question oui ou non ou à un nombre tel qu'un prix ou une période de temps.Les résultats peuvent également révéler l'identité d'un certain objet et ainsi nommer la classe dans laquelle il appartient.