Remerciez-le!

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

Projet maitrise 14301881 See discussions stats and author pro ?les for this publication at https www researchgate net publication Data Mining avec Weka Thesis January CITATIONS author Ange Ange Polytechnique Montréal PUBLICATIONS CITATIONS SEE PROFILE REA

See discussions stats and author pro ?les for this publication at https www researchgate net publication Data Mining avec Weka Thesis January CITATIONS author Ange Ange Polytechnique Montréal PUBLICATIONS CITATIONS SEE PROFILE READS Some of the authors of this publication are also working on these related projects Arti ?cial intelligence for all Book writting View project All content following this page was uploaded by Ange Ange on April The user has requested enhancement of the downloaded ?le CData Mining avec Weka Projet de Maitrise Geénie Informatique CSommaire Résumé INTRODUCTION CHAPITRE DESCRIPTION DU LOGICIEL WEKA Présentation de l ? interface graphique Le traitement de données Les classi ?cateurs a La classi ?cation Bayé sienne b La méthode de l ? arbre de décision Le clustering avec Weka a Présentation b L ? apprentissage supervisé c L ? apprentissage non- supervisé L ? interface Knowledge ow - Etude des classes de Weka Communication Python- Java CHAPITRE L ? ALGORITHME DE REGRESSION LOGISTIQUE BETA BERNOUILLI Quelques notions sur la régression logistique La régression logistique Beta-Bernoulli Implémentation de l ? algorithme a Compréhension du logiciel b Exploitation de l ? algorithme sous le programme Weka CONCLUSION Table des illustrations Bibliographie ANNEXE CONVERSION DU FICHIER UCI-SPLIT AU FORMAT ARFF ANNEXE LISTE DES CLASSIFICATEURS WEKA ANNEXE Java bblr poly java CRésumé L'analyse de données dans le domaine de la médecine est de plus en plus fréquente a ?n de préciser les diagnostics a ?ner les méthodes de recherche et prévoir des approvisionnements appropriés en équipement en fonction de l'importance des pathologies qui apparaissent Pour analyser les données présentes a ?n de prédire des résultats optimaux l'intelligence arti ?cielle propose des solutions logicielles parmi elles ?gurent Weka Weka est un logiciel open source développé par l'université Wakaito en Nouvelles Zélande Il possède plusieurs algorithmes de traitement de données de ?ltrage de classi ?cation d'apprentissage et de visualisation Ce projet s'intéresse particulièrement à la classi ?cation et l'apprentissage supervisé des données La classi ?cation permet d'obtenir un modèle de prédiction à partir de données d'entrainement et de données de test Ce modèle gr? ce à la combinaison d'outils mathématiques et de méthodes informatiques a pour objectif de mettre au jour une liaison fonctionnelle entre une variable cible que l'on cherche à prédire et une ou plusieurs variables prédictives Weka possède soixante-quinze algorithmes dont les réseaux de neurones l'arbre de décision et la régression logistique La régression logistique est l'algorithme d'apprentissage supervisé qui fait l'objet de ce projet Il consistera à l'intégrer à la plateforme de Weka et de le comparer avec d'autres algorithmes d'apprentissage Le taux d'erreurs est en e ?et mesuré gr? ce à la probabilité de déduction du modèle construit par l'algorithme De ce fait la régression logistique basée sur de l'étude d'une fonction logistique est performante dans la fouille de données binaires Le domaine médical est le plus expressif des cas de données binaires dans la mesure o? les études tournent autour du dépistage de personnes malades ou pas possédant un symptôme ou non Ainsi