Comparaison des performances de modèle de l'incidence de l'achat

Figure 5 – Comparaison de la rentabilité cumulée de plusieurs modèles de prévision de l’incidence de l'achat

Si on prend comme repère les modèles logit et probit qui offrent des résultats très proches on peut dire que les réseaux de neurones arrivent à mieux isoler les meilleurs clients et d’obtenir une baisse plus accentué du nombre de répondants d’un décile à un autre. Les arbres de classification et régression arrivent sur l’ensemble à de moins bons résultats même si pour les premiers deux déciles leurs performances dépassent même celles des réseaux de neurones.

Si les modèles logit et probit atteignent un profit cumulé maximum d’approximativement 43 milles francs au niveau du 5ème décile et arrivent à regrouper à ce niveau trois quarts des répondants, les réseaux de neurones arrivent après seulement quatre déciles à un profit cumulé maximum légèrement supérieur. Les arbres de régression et classification arrivent aussi à leur profit cumulé maximum après quatre déciles, seulement ce profit est de seulement 40 milles francs.