Cours de Machine Learning
Promotion M1 SSICE
A.U. 2018/19
La prédiction
•De manière générale, nous aimerions prédire une
valeur T à partir d’une observation x
T= y(x,w)
•Si T est discret : classification
•Si T est continue : régression
Apprentissage des paramètres à partir de données.
But:
regrouper n individus en k classes telles que
les individus d’une classe soient semblables et
les classes assez bien séparées.
Approche:
obtenir une partition en K classes où k est fixé
à priori.
La plupart des techniques procèdent par
améliorations successives d’une partition de
départ.
Processus supervisé: K-means
Processus supervisé: K-means
5
Exemple
•Personnes d'âge 27- 51 - 52 - 33 - 45 - 22 - 28 - 44 - 40 - 38 - 20 - 57
•Ex : K=3
•Les 3 noyaux : les trois premières valeurs
•distance = différence / (amplitude maximum) = différence / 37)
27
51
52
33
45
22
28
44
40
38
20
57
Noyau 27
0.00
0.65
0.68
0.16
0.49
0.14
0.03
0.46
0.35
0.30
0.19
0.81
Noyau 51
0.65
0.00
0.03
0.49
0.16
0.78
0.62
0.19
0.30
0.35
0.84
0.16
Noyau 52
0.68
0.03
0.00
0.51
0.19
0.81
0.65
0.22
0.32
0.38
0.86
0.14
Minimum
0
0
0
0.16
0.16
0.14
0.03
0.19
0.3
0.3
0.19
0.14
Affectation 1
2
3
1
2
1
1
2
2
1
1
3
noyau 1 (27) : 27 - 33 - 22 - 28 - 38 - 20
noyau 2 (51) : 51 - 45 - 44 - 40
noyau 3 (52) : 52 - 57
6
7
1
/
7
100%
