Discussion :

[mastylez]

Voila je suis arrivé a la fin de ce problème mais je suis coincé dans les derniers question , j'aimerais bien que vous me disez ce que vous pensé , voila les questions :

Générez un ensemble d'apprentissage de taille N = 400, constitué de quatre classes de dimension deux et de répartition gaussienne :

- La première a les valeurs comprises dans les intervalles [(-4 ; 0) ; (0 ; 4)] et une moyenne (-2; 2).
- La seconde a les valeurs comprises dans les intervalles [(0 ; 0) ; (4 ; 4)] et une moyenne (2; 2).
- La troisième a les valeurs comprises dans les intervalles [(-4 ; -4) ; (0 ; 4)] et une moyenne (-2; -2).
- La quatrième a les valeurs comprises dans les intervalles [(0 ; 0) ; (4 ; -4)] et une moyenne (2; -2).

Définir un RN multicouches (avec une seule couche cachée) entraîner par un algorithme de rétropropagation du gradient d’erreur. Affichez pendent l’apprentissage (après chaque n itérations) la courbe de l'erreur quadratique moyenne.

Après, l’apprentissage du réseau, générez un ensemble de test, identique à celui d’apprentissage, mais de taille N = 800 (200 points par classe), puis évaluer les performances du réseau en donnant la matrice de confusion, puis le taux de bonne classification par classe et global.

Illustrer la notion du critère d’arrêt, la notion de sur - apprentissage, la notion du choix du nombre de neurones sur la couche cachée,…

Refaire l’apprentissage et le test en choisissant cette fois des ensembles où les classes se chevauchent.

Mon problème commence au niveau de la question qui demande de donner la matrice de confusion !!

NB: j'ai utilisé matlab pour résoudre les 1er questions .

[ToTo13]

Bonjour,

quel est exactement ton problème avec la matrice de confusion ?

[mastylez]

je sais pas qu'à partir des résultats des questions qui précèdent de construire cette matrice !! :s

J'essaye de comprendre ce que je vais mettre comme des donnée réal et les donnée estimée !!

[ToTo13]

Bonjour,

chaque case de la matrice de confusion comporte des informations (nombre d'individus, pourcentage, etc.) concernant le classement des individus.
Par exemple, si on a deux classes C1 et C2 :
- la case C1 C1 comporte le nombre d'individus classés dans C1 et que ton modèle classe aussi dans C1 (une partie des vrais positifs).
- la case C1 C2 contient les individus appartenant à la classe C1 et que ton modèle classe dans la classe C2 (une partie des faux négatifs).

Donc ton cas, tu auras une matrice 4x4 que tu rempliras de la même façon.

[most27]

Bonsoir,
Et si on a 3 classes par exemple a,b,c comment distingué entre les faux positifs les faux négatifs pour pouvoir calculer le le TEG "le taux d'erreur de généralisation "
Je vous remercie d'avance pour votre aide