New decision tree classifier for dealing with partially uncertain data

L'arbre de décision est l'une des méthodes de classification les plus connues et à été largement utilisé dans plusieurs domaines, notamment dans la fouille de données et l'apprentissage automatique. Cependant, les algorithmes standards de construction de l'arbre de décision ne sont pas capables de gérer l'incertitude, en particulier l'incertitude épistémique. Dans cet article, nous proposons d'adapter la technique d'arbre de décision à un environnement incertain. Concrètement, nous traitons le cas où les valeurs d'attributs d'objets sont incertaines et où cette incertitude est représentée dans le cadre de la théorie des fonctions de croyance. La méthode proposée concerne à la fois la construction de l'arbre de décision et la classification de nouveaux objets.