Version imprimable
bonjour tout le monde.
je prépare mon mémoire de fin d'étude en data mining et j'ai besoin du pseudo code de quelques algorithmes: les SVM, les MLP, les K-NN et les arbres de décision c4.5. mais je n'arrive pas à les retrouver. le problème surtout avec les SVM et les MLP, je trouve à chaque foi un code mais je ne sait pas exactement lequel d'entre eux est la racine ( c'est à dire lequel des codes dont tout les programmeur en ont recours).
merci pour votre aide
Bonjour,
j'ai lu pas mal d'articles utilisant les MLP, mais jamais de pseudo-code. Et comme l'article d'origine date de 1953... :aie:.
Je te conseille d'utiliser un schéma explicatif (ça le net en regorge).
Pour du code/bibliothèques, il y a une liste au début de ce forum dans la discussion Bibliothèques...
bonsoir.
mon probleme c'est que je doit avoir le pseudo code parce que l'etape suivante est de fusionner ces 4 algorithmes pour trouver la meilleur méthode de prévision
Bonjour,
J'ai un petit package pour les réseaux de neurones disponible sur http://www.aitopics.com/article.php?id=31
ça permet de crée facilement ton architecture du réseaux, sauf qu'il n y a pas encore l'algorithme d'apprentissage.
J'ai aussi un coder les K-NN, Classifier Bayesien, K-means, nuées dynamiques (centroid-based classification), et HAC. sauf qu'ils ne sont pas encore disponible. :aie:
A+
dans l'approche que je doit réaliser je doit fusionner les 4 algorithmes (SVM, MLP, K-NN, et c4.5) et réaliser un nouveau algorithme (agent fusion avec un indice de corrélation par exemple) pour avoir une prédiction optimale.
( je travaille sur la prédiction de séries temporelles en data mining)
j'espère que j'arrive à bien m'exprimer
Alors vous cherchez a faire le Bagging ET/OU hybridation des méthodes.
Je sais pas si vous avez une idée sur ça ou pas. Mais généralement la précision ne s'améliore pas en combinant le plus grand nombre possible de méthode.
Ainsi, je voudrais dire que les SVMs ont les même principe que les MLP. généralement on fait l'hybridation avec des méthodes tel que les Algorithmes génétiques, HMMs ... ayant des mécanismes différents.
Avez vous une idée sur comment vous allez combiner tout ça ?
en fait j'ai eu ce sujet de mémoire de la part de mon encadrant. mon sujet comprend 2 parties: la première consiste le data mining et les systèmes multi-agents et la 2eme la fusions de 4 agents pour la réalisation d'un agent hybride. (je suis actuellement dans la 2eme partie). elle m'a demander de faire une recherche sur ces 4 algorithmes. en suite d'essayer de les hybrider ( avec une l'une des méthode statistique qui minimise l'erreur) pour améliorer une ancienne réalisation ( qui utilise simplement la SMAPE).
je ne maitrise pas encore bien ces algorithmes mais j'essaie de le faire.
Donc, comme l'encadreur l'a dit: il faut commencer par connaitre sur ces méthodes. Ensuite, voir comment les combiner. :mrgreen:.
Tout ça peut se faire sur le net en utilisant google :aie:
Je suis d'accords avec BucketPc, l'intérêt, surtout pour un mémoire, est de comprendre les algorithme et surement pas "connaitre la recette toute faite". Je pense qu'a partir du moment ou on a comprit "la philosophie" d'une approche, on est capable d'écrire UN pseudo qui représente l'approche générale de tels ou tels technique. Et encore une fois, pas une idée toute faite du genre "Bah... C'est comme ça...".
Comme Toto13 le conseil, le web regorge de schéma explicatif qui te permettrons de te faire ta propre idée.
Ce que j'ai appris en cour est que l'approche SVN, est de pouvoir appliquer dans un monde non linéaire, les observation faites dans le monde linéaire grâce a une projection "bien choisit".
Ce que je perçois des RdN est une approche plus flou mais quand meme similaire aux SVN, dans le sens ou l'on projeté les entrées dans une tierce dimension dans le but du déterminer un hyperplan qui permet de discriminer nos les données.
Je crois me souvenir que l'approche SVN est "similaire" a l'approche des moindre carre dans le sens ou l'on essaie de déterminer la droite qui discriminer nos données de façon optimale, c'est a dire l'hyper plan qui minimise l'erreur. Contrairement au RdN ou l'on cherche UN permit n hyperplan pouvant expliquer les données.
En espérant avoir être utile ...
bonsoir,
merci pour vos conseils.
mais je pense que personne ne pourra un jour dire que je maitrise très bien un tel ou tel domaine.
j'essaie, en fouillant le web, de recueillir le maximum d'informations pour en faire en suite ma bibliothèque utile pour ma recherche.
je comprend ( si je ne me trompe pas) qu'il n'y a pas un pseudo code universel pour ces algorithmes.
alors je devrais formuler un algorithme selon mes données?
Tu peux toutes fois utiliser des librairies toutes faites, sauf que la configuration des paramètres des méthodes reste a choisir selon ton problème. Par exemple, le choix du nombre des neurones et des couches que ton réseaux doit contenir.
Les pseudo codes de ses méthodes c'est pas si difficile, mais le problème qui consiste à comment les utiliser pour résoudre nos problèmes.
Voici le pseudo code des K-NN: Clique ici
merci pour votre aide.