Explaining the result of a decision tree to the end-user
Expliquer à l'utilisateur le résultat d'un arbre de décision
Résumé
Decision trees can be used as decision support systems, in order to classify input data and to provide the output class as a result. In order to appraise this result, the end-user can rely mainly on the trace of the classification, or on some estimation of the error-rate. But the trace doesn`t contain all the information that is necessary to understand the case at hand. We propose a new method to qualify the result given by the decision tree for a new case, when the input data are continuous. We first identify in the tree, (and not in the trace), the tests that are the most relevant to explain the output class, by the way of sensitivity analysis. This is performed by a geometric study of the decision surface (that is the frontier of the inverse image of the different classes). The underlying metric is then used as a medium to describe the global situation to the end-user. He can suggest a more relevant metric and the most sensitive tests are computed for the latter.
Les arbres de décision sont des outils de discrimination qui peuvent être utilisés pour prédire la classe de nouveaux cas. Pour apprécier ce résultat, l'utilisateur ne dispose en général que de la trace du classement et d'une estimation du taux d'erreur. Malheureusement la trace ne contient pas les informations nécessaires à une bonne compréhension de la situation. Nous proposons d'apporter à l'utilisateur une information sur la robustesse du résultat et une représentation de la situation dans le cas de données numériques. Pour cela nous recherchons les tests de l'arbre de décision qui sont les plus sensibles à une modification des données d'entrée. Cette analyse de sensibilité est effectuée par une étude géométrique de la surface de décision (la frontière de l`image inverse des différentes classes). La métrique sous-jacente sert de support pour décrire la situation à l`utilisateur. Celui-ci peut suggérer des changements de métriques et les tests les plus sensibles sont recalculés.