Remerciez-le!

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

Cours dm classification ISI-Institut Supérieur d ? Informatique Cours Datamining Dr F CAMARA fode camara ucad edu sn Fodé CAMARA CTechniques de datamining ? La classi ?cation ? Elle permet de prédire si une instance de donnée est membre d ? un groupe ou d

ISI-Institut Supérieur d ? Informatique Cours Datamining Dr F CAMARA fode camara ucad edu sn Fodé CAMARA CTechniques de datamining ? La classi ?cation ? Elle permet de prédire si une instance de donnée est membre d ? un groupe ou d ? une classe prédé ?nie ? Classes o Groupes d ? instances avec des pro ?ls particuliers o Apprentissage supervisé classes connues à l ? avance ? Applications marketing direct pro ?ls des consommateurs grande distribution classement des clients médecine malades non malades etc Exemple les acheteurs de voitures de sport sont de jeunes citadins ayant un revenu important Exemple des clients ayant fait un achat en ligne sur la page societe produits produit sont originaires de la côte Ouest des états unis Fodé CAMARA CTechniques de datamining ? La classi ?cation ? Processus à deux étapes Fodé CAMARA CConstruction du modèle Nom Mary James Bill John Mark Annie Données Apprentissage Rang Assistant Prof Assistant Prof Année Professor Associate Prof Assistant Prof Associate Prof Titulaire non oui oui oui non non Fodé CAMARA Algorithmes Classi ?cation Modèle Si Rang ? Professor ? Ou Année Alors titulaire Oui CConstruction du modèle Nom Tom Lisa Jack Ann Données Test Rang Assistant Prof Assistant Prof Année Professor Associate Prof Titulaire non non oui oui Classi ?er Taux d ? erreur du modèle Fodé CAMARA CConstruction du modèle Nom Je ? Paul Donnée inconnue Rang Professor Année Associate Prof Titulaire Classi ?er Titulaire Oui Oui Fodé CAMARA CValidation de la Classi ?cation Fodé CAMARA CValidation de la Classi ?cation Fodé CAMARA CTechniques de datamining ? La classi ?cation ? Méthodes de Classi ?cation ? Arbres de décision ? Classi ?cation bayésienne ? Réseaux de neurones ? etc Caractéristiques Apprentissage supervisé classes connues Fodé CAMARA CTechniques de datamining ? La classi ?cation ? Arbre de décision ? Génération d ? arbres de décision à partir des données ? Arbre Représentation graphique d ? une procédure de classi ?cation Rang Professor Associate Prof Assistant Prof Oui Année Année Non Oui Non Oui Fodé CAMARA CGénération de l'arbre o Au départ toutes les instances d ? apprentissage sont à la racine de l ? arbre o Sélectionner un attribut et choisir un test de séparation split sur l ? attribut qui sépare le ??mieux ? les instances o Partitionner les instances entre les n ?uds ?ls suivant la satisfaction des tests logiques o Traiter chaque n ?ud ?ls de façon v' récursive o Répéter jusqu ? à ce que tous les n ?uds soient des terminaux o Etiqueter le n ?ud terminal par la C classe majoritaire A v v v A v' v' A v' v' v' C C C C C CArbre ensemble de règles ? A v A v' ?? C ? A v A v' ?? C ? A v A v' ?? C ? ? ? A v A v' ?? C ? A v A v' ?? C ? A v A v' ?? C A v v v