Algorithme de classification CART pour l`aide à la décision en

Algorithme de classification CART pour l’aide `a la
d´ecision en g´eomarketing
H´ela Charfi∗1, Abderrahmane Fadil∗2, and Abdelaziz Dammak∗1
1Universit´e de Sfax – Tunisie
2D´epartement Sciences Fondamentales et M´ethodes (SFM) – Groupe ESA – 55 rue Rabelais, BP 30748,
49007 ANGERS CEDEX 01, France
R´esum´e
Ce projet est r´ealis´e dans le cadre de l’aide `a la prise de d´ecision, pour r´epondre aux
besoins des d´ecideurs qui veulent implanter leurs points de vente dans un r´eseau de grandes
surfaces sp´ecialis´ees dans la vente des mat´eriels ´electroniques sur le territoire fran¸cais. Nous
utilisons d’une part une technique de data mining : arbre de d´ecision (algorithme CART)
pour classifier la client`ele par le niveau de vie et d’autre part, l’analyse spatiale pour identi-
fier les zones de march´e les plus rentables des grandes surfaces sp´ecialis´ees `a implanter.
Deux phases dans cet algorithme : une phase d’expansion pour produire un arbre de d´ecision
maximal et une phase d’´elagage pour produire un arbre de d´ecision plus r´eduit qui ne s’´eloigne
pas de la performance de l’arbre de d´ecision maximal. Nous avons r´eparti notre base de
donn´ees `a classer en deux ´echantillons : un ´echantillon d’apprentissage pour l’utiliser pen-
dant les deux phases d´ecrites pr´ec´edemment et un ´echantillon test pour ´evaluer le taux
d’erreur de l’arbre construit par l’´echantillon d’apprentissage.
Ce projet permet d’´evaluer la technique de l’arbre de d´ecision (algorithme CART) en g´eomarketing.
Or nous proposons d’appliquer des techniques de classifications con¸cus pour classer des bases
de donn´ees de taille, tr`es importantes.
Mots-Cl´es: Data Mining, G´eomarketing, Arbre de d´ecision, Algorithme CART, Analyse spatiale
∗Intervenant
sciencesconf.org:roadef2014:29034