Vidéo: R : Random Forest Théorique 2025
L'arbre de décision est une approche de l'analyse prédictive qui peut vous aider à prendre des décisions. Supposons, par exemple, que vous deviez décider d'investir un certain montant dans l'un des trois projets d'entreprise suivants: une entreprise de camions-restaurants, un restaurant ou une librairie. Un analyste commercial a calculé le taux d'échec ou de réussite de chacune de ces idées d'entreprise en pourcentage et le profit que vous en tireriez dans chaque cas.
| Taux de réussite | Taux de défaillance | Camion de restauration |
|---|---|---|
| 60% | 40% | Restaurant |
| 52% | 48% < Librairie | 50% |
| 50% | Affaires | Gain (USD) |
| Perte (USD) | Camion de nourriture | 20 000 |
|---|---|---|
| -7 000 < Restaurant | 40, 000 | -21, 000 |
| Librairie | 6, 000 | -1, 000 |
|
|
A partir des données statistiques précédentes, vous pouvez construire un arbre de décision comme indiqué ci-dessous. | L'utilisation d'un tel arbre de décision pour décider d'une entreprise commerciale commence par calculer la |
pour chaque alternative - un rang numéroté qui vous aide à choisir le meilleur.
La valeur attendue est calculée de manière à inclure tous les résultats possibles d'une décision. Calculer la valeur attendue pour l'idée d'entreprise de camion de nourriture ressemble à ceci:
En conséquence, vous pouvez calculer les valeurs attendues d'une restauration et d'une librairie de la même manière:
Valeur attendue de l'activité de restauration = (52% x 40 000 (USD)) + (48% * - 21 000 (USD)) = 10, 720 (USD)Valeur attendue de l'activité librairie = (50% x 6 000 (USD)) + (50% * -1 000 (USD)) = 2, 500 (USD)
La valeur attendue d'une entreprise de restauration représente une prédiction du profit que vous en tireriez (en moyenne) si vous investissiez plusieurs fois dans une entreprise de restauration. Par conséquent, la valeur attendue devient l'un des critères que vous prenez en compte dans la prise de décision de votre entreprise. Dans cet exemple, les valeurs attendues des trois alternatives pourraient vous inciter à investir dans le secteur de la restauration.
Les arbres de décision peuvent également être utilisés pour visualiser les règles de classification (telles que celles mentionnées dans l'exemple précédent du magasin de montres en ligne).
Un algorithme de décision génère un arbre de décision représentant les règles de classification. Dans l'exemple watch-store, vous voulez prédire si un client donné achètera une montre de votre magasin; l'arbre de décision sera, essentiellement, un organigramme: Chaque
nœud
de l'arbre de décision représente un attribut identifié dans la matrice de données. Les feuilles de l'arbre sont les décisions prédites.
Cet arbre de décision prédit si un client peut acheter une montre donnée sur le magasin en ligne. Les nœuds de cet arbre de décision représentent certains des attributs que vous analysez; chacun est un score - de l'intérêt du client dans les montres, l'âge du client, et le salaire du client.
En appliquant le modèle à un nouveau client X, vous pouvez tracer un chemin de la racine de l'arbre jusqu'à la feuille d'un arbre de décision (oui ou non) indiquant et représentant le comportement du client vis-à-vis de la montre annoncée.
