Cours AA 11 Octobre

L’apprentissage automatique
L’apprentissage supervisé
Les arbres de decision

octobre 2023
 L’une des grandes familles d’approches pour la

résolution de problèmes comme pour l’apprentissage
est la technique consistant à « diviser pour régner »
 Elle se résume à identifier des sous-problèmes, à leur

trouver une solution, puis à combiner ces solutions
pour résoudre le problème général
 C’est sur ce principe que sont fondés les algorithmes

d’apprentissage par arbres de décision
Certaines applications spécifiques

comprennent
 le diagnostic médical,
 l'évaluation du risque de crédit des

demandes de prêt, la classification des
maladies,
 la classification de recherche Web,
 la reconnaissance de forme
Définitions
En théorie des graphes, un arbre est un graphe non

orienté, acyclique et connexe. L’ensemble des nœuds
se divise en trois catégories :
Nœud racine (l’accès à l’arbre se fait par ce nœud),
Nœuds internes : les nœuds qui ont des

descendants (ou enfants), qui sont à leur tour des
nœuds,
Nœuds terminaux (ou feuilles) : nœuds qui n’ont

pas de descendant.
Définitions
Les arbres de décision (AD) sont une catégorie

d’arbres utilisée dans l’exploration de données et en
informatique décisionnelle.
Ils emploient une représentation hiérarchique de la

structure des données sous forme des séquences de
décisions (tests) en vue de la prédiction d’un résultat ou
d’une classe.
Chaque individu (ou observation), qui doit être

attribué(e) à une classe, est décrit(e) par un ensemble de
variables qui sont testées dans les nœuds de l’arbre.
Les tests s’effectuent dans les nœuds internes et les

décisions sont prise dans les nœuds feuille.
Exemples de problèmes adaptés à une
approche par arbres de décision
Comment répartir une population d’individus (e.g.
clients, produits, utilisateurs, etc.) en groupes
homogènes selon un ensemble de variables
descriptives (e.g. âge, temps passé sur un site Web,
etc.) et en fonction d’un objectif fixé (variable de
sortie ; par exemple : chiffre d’affaires, probabilité de
cliquer sur une publicité, etc.).
approche par arbres de décision
 Le processus de décision est équivalent à une « descente » dans
l’arbre (de la racine vers une des feuilles) :
 à chaque étape un attribut est testé et un sous-arbre est choisi,

la parcours s’arrête dans une feuille (une décision est prise).
Prêt bancaire
 Accorder ou non un
prêt bancaire.
 Chaque individu est

évalué sur un ensemble
de variables testées dans
les nœuds internes.
 Les décisions sont prises

dans les feuilles.
Exemples de problèmes adaptés à une approche
par arbres de décision
 Un ensemble d’individus décrits par plusieurs variables
catégorielles (Toux, Fievre, Poids, Douleur).
 En bas on voit l’arbre de décision obtenu. La variable cible se

retrouve dans les feuilles.
approche
par arbres de décision
Exemples de problèmes adaptés à une approche
par arbres de décision : les oiseaux
 Pour un ensemble d’éléments décrits par des variables

catégorielles la classification résultante peut être vue
comme une combinaison de règles booléennes.
Arbre de décision
⚫ L’apprentissage par arbre de décision (Decision tree

learning) est basé sur l'utilisation d'un arbre comme
modèle prédictif.
⚫ L’arbre de décision est construit grâce aux données

d’apprentissage.
11
Arbre de décision
⚫ Il existe deux principaux types d'arbre de décision :
⚫ Les arbres de classification (Classification Tree)

permettent de prédire à quelle classe la variable-cible
appartient, dans ce cas la prédiction est une étiquette
de classe.
⚫ Les arbres de régression (Regression Tree) permettent

de prédire une quantité réelle (par exemple, le prix d'une
maison ou la durée de séjour d'un patient dans un
hôpital), dans ce cas la prédiction est une valeur
numérique. 12
Les algorithmes
 Il existe plusieurs algorithmes automatiques pour

construire les arbres de décision:
 ID3 (Iterative Dichotomiser 3): dévelopé en 1986

par Ross Quinlan. Il peut être appliqué seulement
sur les caractéristiques nominales.
 Il est utilisé pour le classement.

Les algorithmes
 C5.0: une extension commerciale de C4.5, toujours

par Ross Quinlan.
 CART (Classification and Regression Trees): comme

C4.5 mais utilise d’autres métriques. Aussi,
l’algorithme supporte la régression.
Algorithme General
1.Déterminer la meilleure caractéristique dans
l’ensemble de données d’entrainement.
2.Diviser les données d’entrainement en sous-

ensembles contenant les valeurs possibles de la
meilleure caractéristique.
3.Générez de manière récursive de nouveaux arbres

de décision en utilisant les sous-ensembles de
données créés.
4.Lorsqu’on ne peut plus classifier les données, on

s’arrête.
L’algorithme ID3
L’algorithme ne fonctionne que sur des

caractéristiques nominales.
Donc, si on a des caractéristiques continues, il faut

appliquer la discritésation.
Aussi, il est utilisé pour le classement seulement.

L’algorithme ID3
Il se base sur le concept d’attributs et de classe de

l’apprentissage automatique.
Cet algorithme recherche l’attribut le plus pertinent

à tester pour que l’arbre soit le plus court et optimisé
possible.
1. Sélectionner la meilleure caractéristique
Cet algorithme utilise la fonction entropie et le

gain d’information pour décider quelle est la
meilleure caractéristique.
Etant donnée un ensemble de classes C, l’entropie

de ensemble de donnée S est exprimée par:
1. Sélectionner la meilleure caractéristique
Où (en divisant le nombre des échantillons d’une

certaine classe sur le nombre de tous les échantillons
dans les données d’entrainement):
 La caractéristiques ayant plus de gain d’information est

celle sélectionnée comme meilleure.
 Aussi, la valeur avec entropie null est considérée comme

feuille de l’arbre.
2. Calculer le gain d’information
 Etant donnée un vecteur de caractéristiques f , en
utilisant les valuers d’une caractéristique fj , on peut
diviser l’ensemble de donnée S en plusieurs sous
ensembles groupés dans un ensemble Sj .
Le gain d’information est mesuré en se basant sur
la différence entre l’entropie originale de S et celle
après sa division en se basant sur une caractéristique
fj .
Le gain d’information
• La caractéristiques ayant plus de gain d’information

est celle sélectionnée comme meilleure.
• Aussi, la valeur avec entropie null est considérée

comme feuille de l’arbre.
ID3 : application
On veut estimer une décision (jouer ou non) en se

basant sur 4 caractéristiques:
 temps,
 température,
 humidité et
 vent.
On va construire un arbre de décision en se basant sur

les données suivants:
ID3 : application
1. On calcule la probabilité de chaque classe:
P(jouer=oui) = 9/14
P(jouer=non) = 5/14
2. On calcule, ensuite, l’entropie de l’ensemble des

données:
H(S) = - P(jouer=oui) * log2(P(jouer=oui)) - P(jouer=non) *

log2(P(jouer=non))
H(S) = - 9/14 * log2(9/14) - 5/14 * log2(9/14)

H(S) = 0.41 + 0.53 = 0.94
ID3 : application
3. Pour chaque caractéristique, on calcule le gain

d’information:
•Temps:
Le caractéristique “temps” divise les données sur 3 sous
ensembles. Voici le nombre des occurrences de chaque
classe dans chaque sous-ensemble:
On calcule la probabilité de chaque
ensemble:
P(S_ensoleilé) = 5/14
P(S_nuageux) = 4/14
P(S_pluvieux) = 5/14
On calcule l’entropie de chaque ensemble:

H(S_ensoleilé) = - 2/5 * log2(2/5) - 3/5 * log2(3/5) = 0.971
H(S_nuageux) = - 4/4 * log2(4/4) - 0/4 * log2(0/4) = 0
H(S_pluvieux) = - 3/5 * log2(3/5) - 2/5 * log2(2/5) = 0.971
Le gain d’information de la caractéristique
“temps”:
IG(S, temps) = H(S) - P(S_ensoleilé) * H(S_ensoleilé) -

P(S_nuageux) * H(S_nuageux) - P(S_pluvieux) *
H(S_pluvieux)
IG(S, temps) = 0.94 - 5/14 * 0.971 - 4/14 * 0 - 5/14 * 0.971
IG(S, temps) = 0.247

Continuer
Calculer le gain d informations des attributs :
• Temperature
• humidité
• Vent
La temperature
Humidité
Le vent
Calcul du gain d’information des autres
caractéristiques
 Donc, la première caractéristique à vérifier dans l’arbre

sera “temps”.
 Comme l’entropie du temps étant “nuageux” est 0, cet

ensemble contient des échantillons de la même classe.
Donc, cet ensemble forme une feuille.
Division selon le temps
Suite….
• Il faut maintenant continuer à mettre des nœuds

après Ensoleillé et Pluvieux car tous les exemples
ne donnent pas le même résultat.
• Déterminons donc pour Ensoleillé quel est le

meilleur attribut à tester en utilisant à nouveau le
gain.
• Cependant il n’est plus utile de tester le gain du
Temps étant donné qu’il vient d’être utilisé.
Resultat
Resultat
Il nous reste à continuer l’arbre du côté de Pluvieux. Voici les

gains pour les différents attributs (à nouveau, il n’est pas
nécessaire de tester Prévisions qui vient de l’être mais il faut
tester Humidité qui n’a pas été testé de ce côté-là de la branche) :
Resultat
 Le plus grand gain est à nouveau de 0.971 et est pour Vent.

 Il nous faut donc tester Vent et vu que le gain est égal à l’entropie
de SPluvieux, chaque nœud fils de Vent sera une étiquette.
Resultat
Problèmes
Il vaut mieux avoir des données exhaustives,

ensuite, la quantité de calcul est assez importante.
Cet algorithme n’applique pas une recherche totale,

mais permet de se fier aux probabilités des attributs
qui ont le plus de chance d’aiguiller le résultat.

Cours AA 11 Octobre

Transféré par

Droits d'auteur :

Formats disponibles

Cours AA 11 Octobre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours AA 11 Octobre

Transféré par

Droits d'auteur :

Formats disponibles

L’apprentissage automatique

Les arbres de decision

 L’une des grandes familles d’approches pour la

 Elle se résume à identifier des sous-problèmes, à leur

 C’est sur ce principe que sont fondés les algorithmes

Certaines applications spécifiques

 l'évaluation du risque de crédit des

 la classification de recherche Web,

En théorie des graphes, un arbre est un graphe non

Nœud racine (l’accès à l’arbre se fait par ce nœud),

Nœuds internes : les nœuds qui ont des

Nœuds terminaux (ou feuilles) : nœuds qui n’ont

Les arbres de décision (AD) sont une catégorie

Ils emploient une représentation hiérarchique de la

Chaque individu (ou observation), qui doit être

Les tests s’effectuent dans les nœuds internes et les

 à chaque étape un attribut est testé et un sous-arbre est choisi,

 Chaque individu est

 Les décisions sont prises

 En bas on voit l’arbre de décision obtenu. La variable cible se

 Pour un ensemble d’éléments décrits par des variables

⚫ L’apprentissage par arbre de décision (Decision tree

⚫ L’arbre de décision est construit grâce aux données

⚫ Il existe deux principaux types d'arbre de décision :

⚫ Les arbres de classification (Classification Tree)

⚫ Les arbres de régression (Regression Tree) permettent

 Il existe plusieurs algorithmes automatiques pour

 ID3 (Iterative Dichotomiser 3): dévelopé en 1986

 Il est utilisé pour le classement.

 C5.0: une extension commerciale de C4.5, toujours

 CART (Classification and Regression Trees): comme

2.Diviser les données d’entrainement en sous-

3.Générez de manière récursive de nouveaux arbres

4.Lorsqu’on ne peut plus classifier les données, on

L’algorithme ne fonctionne que sur des

Donc, si on a des caractéristiques continues, il faut

Aussi, il est utilisé pour le classement seulement.

Il se base sur le concept d’attributs et de classe de

Cet algorithme recherche l’attribut le plus pertinent

Cet algorithme utilise la fonction entropie et le

Etant donnée un ensemble de classes C, l’entropie

Où (en divisant le nombre des échantillons d’une

 La caractéristiques ayant plus de gain d’information est

 Aussi, la valeur avec entropie null est considérée comme

• La caractéristiques ayant plus de gain d’information

• Aussi, la valeur avec entropie null est considérée

On veut estimer une décision (jouer ou non) en se

On va construire un arbre de décision en se basant sur

1. On calcule la probabilité de chaque classe:

2. On calcule, ensuite, l’entropie de l’ensemble des

H(S) = - P(jouer=oui) * log2(P(jouer=oui)) - P(jouer=non) *

H(S) = - 9/14 * log2(9/14) - 5/14 * log2(9/14)

3. Pour chaque caractéristique, on calcule le gain

On calcule l’entropie de chaque ensemble:

IG(S, temps) = H(S) - P(S_ensoleilé) * H(S_ensoleilé) -

IG(S, temps) = 0.94 - 5/14 * 0.971 - 4/14 * 0 - 5/14 * 0.971

IG(S, temps) = 0.247

Calculer le gain d informations des attributs :

 Donc, la première caractéristique à vérifier dans l’arbre