Explication géométrique du résultat dans les arbres de décision
Abstract
Cet article s'intéresse au problème de l'explication des résultats fournis par un arbre de décision utilisé en tant que système d'aide à la décision. On cherche à apporter une information supplémentaire à la classe prédite pour chaque vecteur particulier de données d'entrée. Actuellement on dispose surtout de la trace du classement (le chemin parcouru dans l'arbre), et d'une estimation du taux d'erreur ou d'un risque associé à un mauvais classement. Nous proposons ici deux nouvelles méthodes de qualification du résultat, basées sur une étude géométrique de la frontière de l'image inverse des différentes classes (la surface de décision). La première méthode consiste à identifier les séparateurs les plus déterminants pour expliquer le résultat, en effectuant une analyse de sensibilité, par projection des données initiales sur la surface de décision. La deuxième méthode consiste à caractériser la distribution des erreurs relativement à la surface de décision, en calculant la distance à cette surface pour un ensemble de données, et à replacer chaque nouveau cas dans ce contexte.