Chapitre 9 Arbres de décision Exercices
publicité
D ÉPARTEMENT DE G ÉNIE LOGICIEL ET DES TI LOG770 - S YST ÈMES INTELLIGENTS É T É 2011 Chapitre 9 Arbres de décision Exercices 1. Décrivez comment un nouvel exemple est classifié dans un arbre de décision entraı̂né. 2. On veut apprendre un modèle permettant de déterminer si un client est intéressé à acheter un certain produit (Oui ou Non), en fonction de son sexe (Homme ou Femme), son âge (< 18, 18 − 35 ou > 35), son état civil (Célibataire ou Marié), et son revenu (Faible, Moyen ou Élevé). Soit l’échantillon suivant d’exemples d’entraı̂nement : ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Sexe Homme Homme Homme Femme Homme Femme Femme Homme Homme Femme Femme Femme Homme Femme Âge 18 − 35 < 18 > 35 < 18 18 − 35 18 − 35 18 − 35 18 − 35 > 35 < 18 > 35 > 35 18 − 35 18 − 35 État civil Marié Célibataire Marié Célibataire Célibataire Célibataire Marié Marié Célibataire Célibataire Célibataire Marié Célibataire Marié Revenu Moyen Faible Élevé Moyen Moyen Élevé Faible Élevé Faible Moyen Moyen Élevé Faible Moyen Achat Non Non Oui Non Non Oui Non Oui Oui Non Oui Oui Non Oui Construisez l’arbre de décision résultant de ces exemples en utilisant l’algorithme ID3. On suppose qu’on arrête la subdivision uniquement lorsque les nœuds sont purs (entropie de 0). Exprimez la classe des exemples positifs sous la forme d’un prédicat logique. 3. L’algorithme ID3 pour entraı̂ner un arbre de décision garantit-il de trouver la solution optimale, en terme de la complexité de l’arbre ? 4. Décrivez l’approche de régression basée sur les arbres de décision. Spécifiez le critère employé pour calculer la pureté d’un nœud et comment la valeur des nouveaux exemples est prédite. 1
