Algorithme d’arbres de décision Microsoft

S’applique à : SQL Server 2019 et versions antérieures d’Analysis Services Azure Analysis Services Fabric/Power BI Premium

L’algorithme Microsoft Decision Trees est un algorithme de classification et de régression à utiliser dans la modélisation prédictive des attributs discrets et continus.

Pour les attributs discrets, l’algorithme effectue des prédictions en fonction des relations entre les colonnes d’entrée dans un jeu de données. L’algorithme utilise les valeurs ou les états de ces colonnes pour prédire les états d’une colonne que vous désignez comme prévisible. Plus précisément, l’algorithme identifie les colonnes d’entrée corrélées à la colonne prévisible.

Par exemple, dans un scénario pour prédire quels clients sont susceptibles d’acheter un vélo, si neuf sur dix clients plus jeunes, mais seulement deux sur dix clients plus âgés achètent un vélo, l’algorithme déduit que l’âge est un bon prédicteur de l’achat de vélos. L’arbre de décision fait des prédictions basées sur cette tendance à un résultat particulier.

Pour les attributs continus, l’algorithme utilise la régression linéaire pour déterminer où un arbre de décision fractionne.

Si plusieurs colonnes sont définies sur prédictibles ou si les données d’entrée contiennent une table imbriquée définie sur prédictible, l’algorithme génère un arbre de décision distinct pour chaque colonne prédictible.

Example

Le service marketing de la société Adventure Works Cycles souhaite identifier les caractéristiques des clients précédents qui peuvent indiquer si ces clients sont susceptibles d’acheter un produit à l’avenir. La base de données AdventureWorks2012 stocke les informations démographiques qui décrivent les clients précédents. En utilisant l’algorithme Microsoft Decision Trees pour analyser ces informations, le service marketing peut créer un modèle qui prédit si un client particulier achète des produits, en fonction des états des colonnes connues sur ce client, telles que les données démographiques ou les modèles d’achat passés.

Fonctionnement de l’algorithme

L’algorithme Microsoft Decision Trees génère un modèle d’exploration de données en créant une série de fractionnements dans l’arborescence. Ces fractionnements sont représentés en tant que nœuds. L’algorithme ajoute un nœud au modèle chaque fois qu’il trouve une colonne d’entrée qui est considérablement corrélée à la colonne prévisible. La façon dont l’algorithme détermine un fractionnement est différent selon qu’il prédit une colonne continue ou une colonne discrète.

L’algorithme Microsoft Decision Trees utilise la sélection de fonctionnalités pour guider la sélection des attributs les plus utiles. Tous les algorithmes d’exploration de données SQL Server utilisent la sélection de fonctionnalités pour améliorer les performances et la qualité de l’analyse et empêcher les attributs non importants d’utiliser le temps processeur. Si vous utilisez trop d’attributs d’entrée ou prédictibles lorsque vous concevez un modèle d’exploration de données, le modèle peut prendre beaucoup de temps pour traiter ou manquer de mémoire. Les méthodes utilisées pour déterminer s’il faut fractionner l’arbre incluent des métriques standard pour les réseaux entropie et Bayésien. Pour plus d’informations sur les méthodes utilisées pour sélectionner des attributs significatifs, puis noter et classer les attributs, consultez Sélection des fonctionnalités (exploration de données).

Un problème courant dans les modèles d’exploration de données est que le modèle devient trop sensible aux petites différences dans les données d’entraînement, appelées surajustées ou surentraînées. Un modèle surajusté ne peut pas être généralisé à d’autres jeux de données. Pour éviter le surajustement sur un ensemble particulier de données, l’algorithme Microsoft Arbre de décision utilise des techniques pour contrôler la croissance de l’arbre. Pour obtenir une explication détaillée du fonctionnement de l’algorithme d’arbre de décision Microsoft, consultez Microsoft référence technique de l’algorithme d’arbres de décision.

Prédiction de colonnes discrètes

L’algorithme Microsoft Decision Trees génère un arbre pour une colonne prédictible discrète à l’aide d’un histogramme. Le diagramme suivant montre un histogramme qui trace une colonne prévisible, Bike Buyers, sur une colonne d’entrée, Age. L’histogramme montre que l’âge d’une personne permet de distinguer si cette personne achète un vélo.

La corrélation indiquée dans le diagramme entraîne la création d’un nœud dans le modèle Microsoft algorithme d’arbres de décision.

À mesure que l’algorithme ajoute de nouveaux nœuds à un modèle, il crée une arborescence. Le nœud supérieur de l'arbre décrit le détail de la colonne prédictible pour la population globale des clients. À mesure que le modèle continue de croître, l’algorithme considère toutes les colonnes.

Prédire des colonnes continues

Lorsque l’algorithme Microsoft Decision Trees génère une arborescence basée sur une colonne prévisible continue, chaque nœud contient une formule de régression. Un fractionnement se produit à un point de non-linéaire dans la formule de régression. Par exemple, considérez le diagramme suivant.

Un modèle de régression standard tente de dériver une formule unique qui représente la tendance et les relations pour les données dans son ensemble. Toutefois, une seule formule peut faire un mauvais travail de capture de la discontinuité dans les données complexes. Au lieu de cela, l’algorithme Microsoft Decision Trees recherche des segments de l’arbre qui sont en grande partie linéaires et crée des formules distinctes pour ces segments. En fractionnant les données en différents segments, le modèle peut faire un meilleur travail d’environimation des données.

Le diagramme suivant représente l’arbre de décision du modèle dans le nuage de points précédent. Pour prédire le résultat, le modèle fournit deux formules différentes : une pour la branche gauche avec la formule y = .5x x 5, et une pour la branche droite avec la formule y = .25x + 8,75. Le point où les deux lignes se rejoignent dans le nuage de points est le point de non-linéarité où un nœud d’un arbre de décision se divise.

Ce modèle est simple avec seulement deux équations linéaires, de sorte que le fractionnement dans l’arborescence est immédiatement après le nœud All . Toutefois, un fractionnement peut se produire à n’importe quel niveau de l’arborescence. Dans une arborescence contenant plusieurs niveaux et nœuds où chaque nœud est caractérisé par une collection différente d’attributs, une formule peut être partagée entre plusieurs nœuds ou s’appliquer uniquement à un seul nœud.

Par exemple, vous pouvez obtenir une formule pour un nœud défini comme « clients sur un certain âge et un revenu » et un autre dans un nœud qui représente les « clients qui effectuent des déplacements de longue distance ». Pour afficher la formule d’un nœud ou d’un segment individuel, sélectionnez le nœud.

Données requises pour les modèles d’arbre de décision

Lorsque vous préparez des données à utiliser dans un modèle d’arbre de décision, comprenez les exigences de l’algorithme particulier, y compris la quantité de données dont elle a besoin et la façon dont elle utilise les données.

Les exigences d’un modèle d’arbre de décision sont les suivantes :

• Colonne clé unique. Chaque modèle doit contenir une colonne numérique ou texte qui identifie de manière unique chaque enregistrement. Les clés composées ne sont pas autorisées.

• Colonne prévisible. Le modèle nécessite au moins une colonne prédictible. Vous pouvez inclure plusieurs attributs prédictibles dans un modèle, et les attributs prédictibles peuvent être de différents types, numériques ou discrets. L’augmentation du nombre d’attributs prévisibles peut augmenter le temps de traitement.

• Colonnes d’entrée. Le modèle nécessite des colonnes d’entrée, qui peuvent être discrètes ou continues. L’augmentation du nombre d’attributs d’entrée affecte le temps de traitement.

Pour plus d’informations sur les types de contenu et les types de données pris en charge pour les modèles d’arbre de décision, consultez la section Exigences de la référence technique de l’algorithme d’arbre de décision Microsoft.

Affichage d’un modèle d’arbre de décision

Pour explorer le modèle, utilisez la visionneuse d’arborescences Microsoft. Si votre modèle génère plusieurs arborescences, vous pouvez sélectionner une arborescence et voir la façon dont les cas sont classés pour chaque attribut prédictible. Vous pouvez également afficher l’interaction des arborescences à l’aide de la visionneuse du réseau de dépendances. Pour plus d’informations, consultez Parcourir un modèle à l’aide du Microsoft Tree Viewer.

Pour plus d’informations sur n’importe quelle branche ou nœud de l’arborescence, vous pouvez également parcourir le modèle à l’aide de l’Microsoft Visionneuse d’arborescence de contenu générique. Le contenu stocké pour le modèle inclut la distribution de toutes les valeurs de chaque nœud, les probabilités à chaque niveau de l’arborescence et les formules de régression pour les attributs continus. Pour plus d’informations, consultez Contenu du modèle d’exploration de données pour les modèles d’arbre de décision (Analysis Services - Exploration de données).

Création de prédictions

Une fois le modèle traité, il stocke les résultats sous la forme d’un ensemble de modèles et de statistiques. Utilisez ces résultats pour explorer les relations ou effectuer des prédictions.

Pour obtenir des exemples de requêtes à utiliser avec un modèle d’arbre de décision, consultez Exemples de requêtes de modèle d’arbre de décision.

Pour obtenir des informations générales sur la création de requêtes sur des modèles d’exploration de données, consultez Requêtes d’exploration de données.

Remarques

• Prend en charge l’utilisation de PMML (Predictive Model Markup Language) pour créer des modèles d’exploration de données.

• Prend en charge l’extraction.

• Prend en charge l’utilisation de modèles d’exploration de données OLAP et la création de dimensions d’exploration de données.

Voir aussi

Algorithmes d’exploration de données (Analysis Services - Exploration de données)
Informations de référence techniques sur l’algorithme Arbres de décision Microsoft
Exemples de requêtes de modèle d’arbre de décision
Contenu du modèle d’exploration de données pour les modèles d’arbre de décision (Analysis Services - Exploration de données)