Please enable JavaScript.
Coggle requires JavaScript to display documents.
KNN (méthode supérivé) - Coggle Diagram
KNN (méthode supérivé)
class supervisé
des data sans catégorie et on va essayer d'attribuer une catégorie à ces data
classifieur (alogorithme ) est entrainées sur ces data
fait des prédictions pour les data inconnues à partir des data d'entrainement avec étiquettes
construire une règle de classement R -> prédire la classe de toutes nouvelles observations
ex d'app pratique: détections des spams
parmi les algorithmes de class
KNN
chercher dans une bd l'exemple le plus proche de celui que l'on est en train de traiter
appartient aux algorithmes de ML
existence des data labélisé
généralités
apprendre par analogie/rechercher d'un cas similaire/classifier ou estimer
algorithme
décider le nbr de voisins K
Donnée : echantillon de m exemples avec leurs classes
Entrée : enregistrement Y
Traitement : déterminser les K plus proches de Y (distance )
Combine les classes de ces K exemples
Sortie : Y appartient à une classe
S'il y a un pbm de class : un vote à la majorité
arbres de décision
outil d'aide à la prise de décision
organise les données en une structure arborescente->prédire la classe d'appartenance d'une observation
random forest (forets aléatoires )
RN
paresseux (lazy learning )
il n'apprend rien pendant la phase de traitement
étapes
choisir une fct pour la distance
k
distance (utiliser une fct de similarité)
prendre les valeurs des observations retenues