À quoi sert la coupe d'un arbre de décision?

L'élagage des arbres de décision est utile pour réduire le surapprentissage du modèle. Il supprime les parties de l'arbre qui s'ajustent trop précisément aux données d'apprentissage, mais qui se généralisent mal à de nouvelles données.

Avantages de l'élagage :

• Réduction de la complexité du modèle, ce qui augmente sa capacité de généralisation.
• Diminution du risque de surapprentissage.
• Amélioration de l'interprétabilité du modèle grâce à un arbre de taille réduite.

Exemple : après avoir construit un arbre complet, on peut supprimer les branches qui n'apportent pas d'amélioration significative de la qualité sur le jeu de validation, améliorant ainsi la stabilité du modèle.