Classification and Regression Trees

Résumé

Établit la méthodologie CART : faire croître un arbre de décision en choisissant récursivement la division qui améliore le plus la pureté des nœuds, puis l’élaguer à l’aide de données mises de côté.

Pourquoi c’est important

Elle a fait des arbres de décision une méthode statistique disciplinée plutôt qu’une heuristique ad hoc, et la stratégie croître-puis-élaguer qu’elle introduit reste standard. Tout ensemble d’arbres utilisé aujourd’hui, forêts aléatoires comme gradient boosting, repose sur l’apprenant de base formalisé ici.