Version imprimable
Bonsoir,
Je viens de commencer une formation dans laquelle j'étudie les différentes méthodes de machine learning et j'ai quelques petites questions.
Pourrait-on m'expliquer pourquoi il est important de normaliser les données d'apprentissage avant de faire une classification bayésienne ?
Et comment cela se fait-il que le taux de bonne reconnaissance en est amélioré à la fin ?
Merci d'avance.
Prenons un exemple d'application classique.
On a des individus 'humains', et on cherche a faire des classifications en groupes homogènes. Et pour chaque individu, on connaît son âge, sa taille et son poids. A priori, on est classique, l'âge est compté en années, la taille en mètres, et le poids en kilos. Du coup, sur la taille on aura des écarts très faibles, grosso modo 0.5 entre les plus petits et les plus grands. Alors que pour l'âge, les écarts seront de l'ordre de 50 entre les plus jeunes est les plus vieux. Et idem pour le poids.
La taille aura donc un impact très faible dans notre classification.
On peut aussi dire que la taille, on va la compter en millimètres, et pas en mètres. Et du coup, effet inverse, c'est la taille qui sera le critère le plus discriminant.
Tout ça, c'est arbitraire. Suivant qu'on mesure la taille en mètres, ou en millimètres, ça ne devrait pas avoir d'impact sur les résultats. C'est pour ça qu'on normalise les données.
Merci pour ta réponse.
Du coup lorsqu'on a seulement une variable pour classifier nos individus, il ne sert à rien de normaliser si toutes les données sont dans la même unité ?
Normaliser, permet donc de s'affranchir des données n'ayant pas le même ordre de grandeur ?
Si on a une seule variable... effectivement, je pense que dans ce cas la normalisation n'est pas indispensable.
Mais à vérifier. Peut être que les outils existants partent du principe que les variables sont normalisées/réduites, parce qu'elles le sont toujours.