Existe-t-il une méthode de construction d'arbres de décision qui tienne compte des prédicteurs structurés / hiérarchiques / multiniveaux, qui me permettrait d'imposer des connaissances de domaine ou des contraintes sur les interactions par exemple?
Si vous avez des réponses métriques, il y a l'arbre RE-EM de Sela et Simonoff (Machine Learning, 86, 169-207). Le package R est appelé REEMtree. Il est destiné aux données de panel avec des effets aléatoires, mais vous devriez également pouvoir l'utiliser pour d'autres données hiérarchiquement imbriquées / multiniveaux.
Si vous êtes d'accord avec l'inclusion de l'expertise du domaine dans un modèle à effet fixe, vous pouvez également utiliser le partitionnement récursif basé sur un modèle avec la party::mobfonction.