Version imprimable
Bonjour tout le monde,
J'ai des données qu'il faut classer en deux classes {+1 et -1}. Ma question est : est ce je pourrais utiliser les algorithmes génétiques pour faire cette classification sachant que ces algorithmes d'apprentissages sont principalement dédiés aux problèmes d'optimisation ?
D'avance merci pour votre réponse
R@seng@n
Bonjour,
Je ne suis pas spécialiste en algorithme génétique, mais apriori, si tu code un hyperplan sous forme de gènes, en faisant muter/croiser tes gènes tu pourrais trouver un bon hyperplan séparant tes données.
Le tout est d'avoir une bonne fonction fitness : erreur + distance de l'hyperplan aux données (maximisation de la distance (meilleurs généralisation)) par exemple.
En résumé, en non expert, je dirais pourquoi pas.
Salut
Tu réponds toi-même à ta question...Citation:
Envoyé par rasengan
Pour faire de l'optimisation sur une population, il faut au préalable avoir fait une classification dessus (histoire de savoir qui on va croiser avec qui). Mais ce n'est pas l'algorithme génétique qui va faire ta classification... ou alors indirectement via ta fonction objectif, chose que tu peux donc faire à part. Ca sera beaucoup plus simple. Les AG sont inutiles dans ton cas.
Salut, merci de m'avoir repondu:
L'opérateur qui effectue le choix des chromosomes qui vont etre croisés entre eux s'appelle sélection et on ne parle pas ici de classification!Citation:
Envoyé par plegat
je n'ai pas tout compris mais je peux conclure que vous voyez que les AG ne sont pas applicables à mon probleme de classification. Mais en lisant la reponse de Clercq je constate que son idée est intéressante malgré qu'il en manque des précisionsCitation:
Envoyé par plegat
J'attends toujours d'autres réponses pour m'aider à décider sur la faisabilité de mon application de classification avec les AG
Merci
Si on écarte la sélection aléatoire, tu es obligé d'évaluer tes chromosomes pour faire ta sélection, afin de sélectionner ceux que tu veux suivant tes critères. D'où une classification...Citation:
Envoyé par rasengan
Imagine que tu aies ta population de 6 élements à classifier: (1,2,3,4,5,6)
Vu que tu n'as que deux classes (-1 et +1), tu peux coder tes chromosomes avec deux gènes représentés par deux suites: ((1,2,3),(4,5,6)) par exemple, ou ((1,3,5),(2,4,6)), ((1,2),(3,4,5,6)), ((1),(2,3,4,5,6)) etc etc
A toi ensuite de définir tes règles de mutation, croisement, etc...
Je voyais plus quelque-chose du genre:Citation:
Envoyé par plegat
Mon hyperplan est définie par w_1*x_&+w_2*x_2+...+w_n*x_n
du coup je le represente par un vecteur W=[w_1, w_2, ..., w_n]. Ce vecteur represente mon chromosome où chaque gène est représenté par les composante de mon vecteur.
Comme on doit muter/croiser les gènes, on peut s'intéresser à leur représentation binaire (masquage pour les mutations/croisement).
Pour chaque individu généré on regarde sa performance en classification (séparé deux population -1/+1, pour moi c'est de la classification), ainsi que la distance minimum entre les individus d'une classe et de mon hyperplan, ce qui donne un score.
Selon le score on sélectionne, croise, mute ...
ça se tente. Mais si tu fais une publication avec, je veux bien être citer ^^.
Bonne journée.