Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Analysepredictive arbredecision 3

Université Ferhat Abbes de Sétif Master Intelligence arti ?cielle et informatique fondamentale ANALYSE PRÉDICTIVES Dr Drif Ahlem CLes analyses prédictives Les analyses prédictives sont centrées autour des probabilités pas d ? un absolu Les analyses prédictives utilisent également de plus en plus le Data Mining et le Machine Learning Le Data Mining comme son nom l ? indique consiste à examiner de larges ensembles de données a ?n de découvrir des patterns et de nouvelles informations Les innovations dans le domaine du Machine Learning comme les réseaux de neurones ou les algorithmes de deep learning permettent quant à elle de traiter les ensembles de données non structurées plus vite qu ? un Data Scientist traditionnel avec une précision supérieure à mesure que les algorithmes s ? améliorent CApprentissage Automatique Machine Learning L'apprentissage automatique ou apprentissage statistique est un champ d'étude de l'intelligence arti ?cielle qui se fonde sur des approches statistiques pour donner aux ordinateurs la capacité d'apprendre à partir de données c'est-à- dire d'améliorer leurs performances à résoudre des t? ches sans être explicitement programmés pour chacune Plus largement il concerne la conception l'analyse le développement et l'implémentation de telles méthodes C ? L'apprentissage supervisé supervised learning est une t? che d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés au contraire de l'apprentissage non supervisé CLes exemples annotés constituent une base d'apprentissage On suppose cette base d'apprentissage représentative d'une population d'échantillons plus large et le but des méthodes d'apprentissage supervisé est de bien généraliser c'est-à-dire d'apprendre une fonction qui fasse des prédictions correctes sur des données non présentes dans l'ensemble d'apprentissage C ? Les exemples annotés constituent une base d'apprentissage ? On suppose cette base d'apprentissage représentative d'une population d'échantillons plus large et le but des méthodes d'apprentissage supervisé est de bien généraliser c'est-à-dire d'apprendre une fonction qui fasse des prédictions correctes sur des données non présentes dans l'ensemble d'apprentissage CApprentissage Automatique Machine Learning Techniques d ? apprentissage automatique SUPERVISÈ Machine Learning Non SUPERVISÈ Classi ?cation Regression Clustering Reduction des dimension CApprentissage Automatique Machine Learning Exemple de Classi ?cation Exemple de Régression CApprentissage Automatique Machine Learning Les algorithme de L'apprentissage Automatique les plus populaire ? Machine à vecteurs de support SVM introduit par Vladimir Vapink dans les années son idée principale est de maximiser la marge entre les classes des données et de trouver la meilleure séparation linéaire entre eux ? Régression Logistique est un modèle linéaire utilisé pour la classi ?cation binaire et multiclass qui utilise la fonction logistique Sigmoid pour fournir une probabilité comme sortie ? Arbre de décision CApplications des Les modèles prédictifs C C C CL ? ARBRE DE DÉCISION CDé ?nition d ? Arbre de Décision ? Un arbre de décision est un outil d'aide à la décision représentant un ensemble de choix sous la forme graphique d'un arbre ? Les di ?érentes décisions possibles sont situées aux extrémités des branches les feuilles ? de l'arbre et sont atteints en fonction de décisions prises à chaque étape ? Il