Discussion :

[hakemass]

Bonjour tout le monde;

j'ai un projet en apprentissage supervisée dans le but de traiter des jeux de données et je dois choisir 2 parmi 4 méthodes de l'apprentissage et comparer les résultats obtenus.

ces méthodes sont les suivantes:
(a) K-plus proches voisins
(b) Analyse discriminante linéaire
(c) Régression logistique
(d) Arbres de décision

Est ce que vous avez une idée comment je peux choisir les meilleurs méthodes?

Merci d'avance.

[Alp]

Il faudrait plus de détails ...

Que représenteront les données ?
Que devra en faire l'algorithme ?
Quelle est l'ordre de grandeur de la quantité de données ?

[ToTo13]

Bonjour,

note qu'a part les kPPV, tu proposes des méthodes linéaires... As tu un problème linéaire ?
As tu regardé tes données au préalable ?

[hakemass]

le langage de programmation est R, un peu proche de matlab, et les donnée sont les suivants
(effectuer 2 algorithmes pour chaque données)
donnée crabs:

library(MASS)
data(crabs)
Crabs$data <- crabs[,4:8]

données voyelles:
un ensemble de mesures éffectuées lors de la prononciation des voyelles par différents locuteurs.

sachant que les locuteurs dans l'ensemble d'apprentissage ne sont pas les mêmes dans l'ensemble de test.
sinon comment on peux choisir une méthode si on a des variables quantitatifs ou qualitatifs?

[ToTo13]

Bonjour,

il me semble que les méthodes que tu cites s'en sortent bien avec ces deux types de variables (j'en suis sûr pour kPPV, RL et presque certain pour les arbres).

Pour ce qui est de choisir les deux meilleures méthodes, on a souvent du mal avant de les tester (au moins grossièrement). Au plus tu auras certaines intuitions.
Pour un problème comme le tien, j'ai un doute pour les kPPV. Cette méthode est bien si les données sont particulièrement bien regroupées dans l'espace des caractéristiques. Sinon...
J'ai un faible pour la régression logistique qui est une méthode dont la puissance est reconnue et de plus en plus utilisée au détriment de l'analyse discriminante car elle offre plus de souplesse et d'avantage.

Je te conseille quand même de commencer par faire une étude de tes données (c'est la base de tout travail de classification) : distribution, analyse mono variable, corrélations, ...

[hakemass]

Bonjour,

Est ce que vous connaissez un lien d'internet, pour bien comprendre comment procéder vers un exemple peut être, parce que là, ce n'est pas très clair, je suis débutante dans ce domaine et je ne sais pas ce que vous vouliez dire par "étudier les données"!!

Merci

[Rakken]

Après, le but de l'exercice n'est visiblement pas de trouver les deux meilleures méthodes (sinon, il faudrait effectivement faire un test, même minimal, sur les quatres), c'est juste d'en tester deux pour les comparer.
Le meilleur choix est peut-être encore de prendre les deux méthodes les plus éloignées l'une de l'autre en terme de fonctionnement, où celles qui sont les plus succeptibles de se retrouver dans d'autres problèmes, non ?

[ToTo13]

Bonjour,

Est ce que vous connaissez un lien d'internet, pour bien comprendre comment procéder vers un exemple peut être, parce que là, ce n'est pas très clair, je suis débutante dans ce domaine et je ne sais pas ce que vous vouliez dire par "étudier les données"!!

Je l'ai marqué au dessus. Je te conseille de regarder comment sont réparties les données et surtout de voir si tu peux les caractériser. Est ce que tu saurais faire le travail à la main ?, ...

Sinon le meilleur livre sur la Data Mining est sans aucun doute (à mon sens) : "Data Mining et statistique décisionnelle" de Stéphane Tufféry.