Apprentissage de concepts

Apprentissage de concepts
(Référence : Tom Mitchell, Machine Learning, McGraw
Hill, 1997)

Apprentissage de concepts 2
Apprentissage de concepts
•Définitions
•Espace de recherche : du général au spécifique
•L’algorithme d’élimination des candidats
•Biais inductifs

Apprentissage de concepts 3
Définition
Problème : apprendre une fonction de mapping
d’exemples vers deux classes : positive & négative.
Input : Un ensemble d’exemples déjà classifiés
comme positifs or négatifs.
Apprendre un concept : processus d’induction d’une
fonction de mapping des exemples vers un ensemble
Booléen.
Exemples :
Classifier des objets dans des images
astronomiques comme des étoiles ou des galaxies
Classifier des animaux comme vertébrés ou
invertébrés

Apprentissage de concepts 4
Exemple : Champignons
Tâche : Prédire si des champignons sont vénéneux
Performance : Taux d’exactitude de la classification
Expérience : : Une base de données décrivant des
champignons et leurs classes.
Connaissance à apprendre :
Fonction de mapping des champignons vers {0,1}
où 0:non vénéneux et 1: vénéneux
Représentation de la connaissance à apprendre :
Conjonction de valeurs d’attributs.
Mécanisme d’apprentissage :
Élimination des candidats

Apprentissage de concepts 5
Représentation des exemples
Attributs / Caractéristiques :
• color : {red, brown, gray}
• size : {small, large}
• shape : {round,elongated}
• land : {humid,dry}
• air humidity : {low,high}
• texture : {smooth, rough}