Laboratoire Visuel d'Arbre de Décision
Simulateur interactif de splits alignés aux axes pour classification binaire.
Un arbre de décision divise les données récursivement en régions plus petites. Ici, chaque split est aligné aux axes et utilise x ou y avec un seuil.
Chaque nœud interne pose une règle du type x <= 22. Les feuilles renvoient des probabilités de classe et un label final.
Pour des proportions de classe p_k, l'impureté de Gini est :
$$ G = 1 - \sum_k p_k^2 $$
Le modèle teste des splits candidats et choisit celui qui minimise l'impureté pondérée des enfants.
- La profondeur maximale limite la complexité de l'arbre.
- Le nombre minimum d'échantillons évite des micro-splits instables.
- Les feuilles pures (une seule classe) s'arrêtent naturellement.
Les arbres peu profonds généralisent mieux, tandis que les arbres profonds peuvent sur-ajuster le bruit local.
- Ajoutez des points pour la classe A et la classe B, ou chargez un pattern demo.
- Entraînez avec différents réglages de profondeur max / min d'échantillons.
- Observez les frontières, les règles texte et les logs de split.
- Comparez arbres simples vs complexes pour l'interprétabilité et la qualité d'ajustement.
Cliquez sur le canvas pour ajouter des échantillons dans les cellules de la grille, puis entraînez pour générer les règles et régions.