L'avantage des modèles statistiques de type entrée-sortie est qu'ils peuvent être relativement facilement construits et appliqués, mais d'un autre côté, l'inconvénient de ces modèles est qu'ils ne révèlent pas la nature profonde du phénomène observé. Les modèles conceptuels, qui ont l'avantage de fonctionner de manière transparente, mais dont il est parfois difficile de prouver l'exactitude. L'intelligence artificielle propose des méthodes d'apprentissage automatique à partir d'exemples, qui éliminent les inconvénients des approches statistiques et conceptuelles et en intègrent les avantages. Cet ouvrage présente une expérience complète de modélisation à partir de données, basée sur des arbres de régression. Les arbres de régression ont été utilisés pour résoudre le problème pratique de la construction d'un modèle basé sur les données pour la prédiction du ruissellement à partir du ruissellement actuel et passé connu des jauges de niveau d'eau et des précipitations des pluviomètres dans le bassin versant. Les résultats basés sur l'approximation et la précision de prédiction obtenus à partir des arbres de régression sont ensuite comparés à d'autres techniques DDM, à savoir les réseaux neuronaux artificiels, les processus gaussiens, les régressions vectorielles de soutien et les régressions linéaires multiples. Ce livre est une lecture indispensable pour les chercheurs travaillant dans le domaine de la modélisation pilotée par les données.