Trouver des règles à partir d’un arbre de décision (Decision Tree)

Un arbre de décision est un outil d’aide à la décision représentant un ensemble de choix sous la forme graphique d’un arbre. Les différentes décisions possibles sont situées aux extrémités des branches (les « feuilles » de l’arbre), et sont atteints en fonction de décisions prises à chaque étape.

Les arbres de décision sont utilisés dans des domaines d’aide à la décision (par exemple l’informatique décisionnelle) ou l’exploration de données. Ils décrivent comment répartir une population d’individus (clients d’une entreprise, utilisateurs d’un réseau social, …) en groupes homogènes selon un ensemble de variables discriminantes (âge, temps passé sur un site Web, catégorie socio-professionnelle, …) et en fonction d’un objectif fixé (aussi appelé « variable d’intérêt » ou « variable de sortie » ; par exemple : chiffre d’affaires, probabilité de cliquer sur une publicité, …).

Par exemple, l’arbre de décision ci-dessous (tiré de l’ouvrage de Quilan) illustre le cas où l’on cherche à prédire le comportement de sportifs (la variable à prédire Jouer prenant l’une des deux valeurs « oui » ou « non ») en fonction de données météorologiques (Ensoleillement, Température, Humidité ou Vent), appelées variables prédictives.

Chaque nœud de l’arbre décrit la distribution de la variable Jouer à prédire. Dans le cas du premier nœud, la racine de l’arbre, nous constatons qu’il y a 14 observations dans notre fichier : 9 cas où une partie a eu lieu (Jouer = oui) et 5 où aucune partie n’a eu lieu (Jouer= non). Ce premier nœud a plusieurs fils construits en utilisant la variable Ensoleillement : le plus à gauche (Ensoleillement = Soleil) comporte 5 observations, le suivant (Ensoleillement = couvert) en comporte 4, et ainsi de suite. La suite de décisions continue jusqu’à ce que, dans l’idéal, les observations dans un nœud soient toutes « oui » ou toutes « non ». On dit alors que le nœud est homogène.

Le processus de décision s’arrête aux feuilles de l’arbre. Dans l’arbre ci-dessus, toutes les feuilles sont homogènes, c’est-à-dire que les variables prédictives utilisées permettent de prédire complètement (sur ce fichier de données) si une partie va avoir lieu ou non. (Notons qu’il serait possible de construire l’arbre selon un ordre différent des variables de météo, par exemple en considérant l’humidité plutôt que l’ensoleillement à la première décision). L’arbre se lit intuitivement de haut en bas, ce qui se traduit en termes de règles logiques sans perte d’informations : par exemple, la feuille la plus à gauche se lit : « si ensoleillement = soleil et humidité < 77,5 % alors jouer = oui ».