RÉPUBLI

QUEDUCAMEROUN REPUBLI
COFCAMEROON
Pai
x–Tr avaux–Pat
ri
e Peace–Work–Father
land
**
* *
****
** **
***
***
**
MI
NISTÈREDESENSEI GNEMENTS MI
NISTRYOFHIGHEREDUCATI
ON
SUPÉRIEUR **
****
***
*
*
****
*****
UNI
VERSI
TYOFMAROUA
UNI
VERSI
TÉDEMAROUA **
***
***
**
**
***
***
**
NATI
ONALADVANCEDPOLYTECHNI
C
ECOLENATIONALESUPÉRI
EURE SCHOOLOFMAROUA
POLYTECHNIQUEDEMAROUA **
***
***
**
*
****
***
**
DEPARTMENTOFCOMPUTER
DÉPARTEMENTD’I
NFORMATIQUEET SCIENCEAND
TELECOMMUNI CATI
ONS TELECOMMUNI CATI
ONS
*
***
****
** *
* *
***
***
*

UE:
BASEDEL’
I
NTELLI
GENCEARTI
FICI
ELLE

RAPPORTDETRAVAUXPRATI
QUEN°2

THEME 
:

16.75
APPRENTI

Rédi
géetpr
SSAGESUPPERVI

ésent
épar
 l
eGr
SE

oupe6:

MATRI
CULE NOMSETPRENOM

18A0307P MONTHE 
NZOUAKEU 
QUENTI
NHYACI
NTHE

20C0502EP ADOUM 
TAI
GA 
ABDOULAYE

17Y064P AMAGNI
A BEGUEGUEYE 
EDI
TH 
RAÏ
SSA

17Y517P DOUBLAO 
PHI
LEMON

17Y065P ZOGO 
FELI
X ARMEL

Sousl
asuper
visi
onde 
:

M.NOUNAMOPat
ri
ck
M.FOKAEmmanuel

ANNÉEACADÉMI
QUE2021/
2022
 PLANDETRAVAI
L

PLANDETRAVAI
L 1

I
NTRODUCTI
ON 2

I
. DESCRI
PTI
ONDEL’
ALGORI
THMEDUPROCHEVOI
SIN 3

I
I. RAPPORTDETRAVAI
LDETAI
LLE 3

1
 I
NTRODUCTI
ON

Eni
ntel
l
igencear
ti
fi
ciel
l
e,pl
uspr
éci
sémentenappr
ent
issageaut
omat
ique,l
a
mét
hodedeskpl
uspr
ochesv
oisi
nsestunemét
hoded’
appr
ent
issagesuper
visé.En
abr
égék-
NNouKNN,
del
'
angl
aisk-
near
estnei
ghbor
s.Engénér
al,
ondi
sposed’
unebase
dedonnéesd'
appr
ent
issageconst
it
uéedeN coupl
es«ent
rée-
sor
ti
e»,etl
’
algor
it
hme
nousper
metd’
est
imerl
asor
ti
elapl
uspr
obabl
epourunenouv
ell
eent
réedonnée.Cet
al
gor
it
hmeestut
il
isépourl
arésol
uti
ondenombr
euxpr
obl
èmes.Dansnot
ret
rav
ail
,
nousnousl
i
mit
eronsàsonut
il
isat
ionpourl
epr
obl
èmedecl
assi
fi
cat
ion.

2
 I
.DESCRI
PTI
ONDEL’
ALGORI
THMEDUPROCHEVOI
SIN

L’
al
gor
it
hmeKNNestuneappr
ochedecl
assi
fi
cat
ionsuper
viséei
ntui
ti
ve,
souv
ent
ut
il
iséedansl
ecadr
edumachi
nel
ear
ning.I
ls’
agi
td’
unegénér
ali
sat
iondel
amét
hode
duv
oisi
nlepl
uspr
oche(
NN)
.NNestuncaspar
ti
cul
i
erdeKNN,
oùk=1.

Af
indef
air
eunepr
édi
cti
on,cetal
gor
it
hmeneconst
rui
tpasdemodèl
epr
édi
cti
f
comme i
lestl
e cas pourl
es al
gor
it
hmes de r
égr
essi
on.I
ln’
ya pas de phases
d’
appr
ent
issagepui
squ’
i
lcl
assi
fi
edi
rect
ementdespoi
ntsdontl
acl
asseesti
nconnueen
f
onct
iondel
eur
sdi
stancesparr
appor
tàdespoi
ntsappar
tenantàunecl
asseconnue
aupar
avant
.Cetal
gor
it
hmeestai
nsi
classédansl
acat
égor
iedel
azyl
ear
ning.

L’
al
gor
it
hmeKNNagi
tendeuxét
apes:

 1èreét
ape:L’
al
gor
it
hmeenpr
emi
erl
i
eucal
cul
eladi
stanceetst
ockel
eskv
oisi
ns
pl
uspr
ochespourchaqueéchant
il
londel
’
ensembl
ed’
appr
ent
issages.

 2èmeét
ape:Ensui
tepourunéchant
il
lonsansét
iquet
tel
’
algor
it
hmer
écupèr
elesk
v
oisi
nspl
uspr
ochesdecel
ui-
cietpr
édi
tsacl
asseparv
ote.

I
I. RAPPORTDETRAVAI
LDETAI
LLE

Lapr
emi
èreét
apedut
rav
ailestdedémar
rerl
enav
igat
euranaconda.Pourcel
ail
f
autact
iveraupr
éal
abl
el’
env
ironnementdet
rav
ailanacondaent
apantl
acommande
condaact
ivat
edansl
eter
minal
,sui
videanaconda-
nav
igat
or.Del
àonpeutl
ancer
spy
deretcommencerl
etr
avai
ldansl
afenêt
reouv
ert
e.

 Char
gerl
ejeudedonnéemni
st

Pourobt
enircedat
aset
,onréali
seunappeldefonct
ionetl
’
exécut
iondequel
ques
l
i
gnesdecodenouspermetdechargerl
ejeudedonner.

3
  Pr
endr
e un échant
il
lon de données appel
é dat
a av
ec une t
ail
l
e de 20000
exempl
esàl
’
aidedel
afonct
ionnp.
random.
randi
nt(
70000,
size=20000)
.

Poursi
mpl
i
fierl
etr
avai
letai
nsiobt
eni
rdesr
ésul
tat
spl
usr
api
des,i
lsuf
fi
t
d’
exécut
erl
esl
i
gnesdecodessui
vant
es.

 Di
vi
serl
abasededonnéesà80%pourl
’
appr
ent
issage(
trai
ning)età20%pourl
es
t
est
s

4
 L’
obj
ect
ifét
antd'
ent
raî
nerunmodèl
equiser
acapabl
eder
econnaî
tr
eleschi
ff
res
écr
it
ssurunt
yped'
i
mages.Apr
èsav
oirchar
gél
edat
aset
,noussépar
onsl
ejeude
donnéesent
rai
ningsetett
est
ingset
.

Not
ati
on 
:
 «
 donnee 
» 
:l
esi
magesd'
exempl
e,

 «
 ci
ble 
»:l
esannot
ati
onsci
bles.

 Ent
rai
nezuncl
assi
fi
eurk-
nnav
eck=10surl
ejeudedonnéeschar
gé

L’
al
gor
it
hmedupr
ochev
oisi
nestunal
gor
it
hmedéj
àimpl
ément
édansl
ali
brai
ri
e
sci
ki
t-
lear
n.Onl
’
uti
l
iseal
orspourcr
éeruncl
assi
fi
eurpr
enantencompt
eles10pl
us
pr
ochesv
oisi
ns(
10-
NN)
.

 Af
fi
cherl
acl
assedel
’
image4etsacl
assepr
édi
te

Lacl
assedel
’
image4 
:

5
 L’
i
magedecet
tecl
asseest
 :

 Af
fi
chel
escor
esurl
’
échant
il
londet
est

Onobt
ientl
erésul
tat
 :

 Tauxd'
err
eursurv
osdonnéesd'
appr
ent
issage

Ler
ésul
tatnousdonne 
:

6
Cet
auxd’
err
eurestnor
malv
ulesr
ésul
tat
sducal
culduscor
edeéchant
il
lonsobt
enue
pl
ushaut
.

 Fai
rev
ari
erl
enombr
edev
oisi
ns(
k)de2j
usqu’
à15etaf
fi
cherl
escor
e.

Pourt
rouv
erl
ekopt
imal
,onv
atest
erl
emodèl
epourt
ousl
eskde2à15,
mesur
erl
’
err
eurt
estetaf
fi
cherl
aper
for
manceenf
onct
iondek:

 Enut
il
isantuneboucl
e

Commeonpeutl
’
obser
versurl
afi
gur
edesr
ésul
tat
sci
-dessous,l
ek-
NNl
epl
us
per
for
mantestcel
uipourl
equelk=3.Ai
nsion choi
sir
a donc 3-
NN comme not
re
cl
assi
fi
europt
imal
.

7
  Fai
rev
ari
erl
epour
cent
agedeséchant
il
lons(
trai
ningett
est
)etaf
fi
cherl
escor
e.

Jusqu’
i
cil
adi
vi
sionut
il
iséeét
aitde80% pourl
’
appr
ent
issageet20% pourl
es
t
est
s.Enf
aisantv
ari
ercet
ter
épar
ti
ti
on,l
esscor
esobt
enuspourunev
ari
ati
ondu
nombr
e de v
oisi
ns s’
en t
rouv
e di
rect
ementaf
fect
é.On consi
dèr
eles r
épar
ti
ti
ons
sui
vant
es 
:

 Tr
aini
ng60%,
test40% 

I
cil
ecl
assi
fi
europt
imal
estl
e4-
NN.

 Tr
aini
ng70%,
test30%

Lecl
assi
fi
europt
imal
estl
e3-
NN

8
 Lar
épar
ti
ti
on60%t
rai
ning,40%t
estestr
emar
quabl
ecarsedi
sti
nguedesdeux
aut
resut
il
isédeparl
ecl
assi
fi
europt
imal
qu’
el
lepr
opose.

 Av
otr
eav
is,
quel
ssontl
esav
ant
agesetl
esi
nconv
éni
ent
sdesk-
nn

Dupoi
ntdev
uedel
'
opt
imabi
l
ité,l
esal
gor
it
hmesK-
NN pr
ésent
el'
avant
aged'
êtr
e
si
mpl
eetf
aci
l
eàmet
treenœuv
re.Enout
rel
'
étapedepr
édi
cti
onpeut
-êt
rel
ent
e.La
compl
exi
téestdel
'
ordr
edeO(
n)av
ec(
k<<n)

Sel
onl
etempsdecal
cul
,l'
al
gor
it
hmedev
ientbeaucouppl
usl
entàmesur
equel
e
nombr
ed'
exempl
esd'
appr
ent
issageaugment
e.

Lami
seàéchel
l
en'
estpasconv
enabl
ementgér
er,carl
e choi
xdel
amét
hodede
cal
cul
del
adi
stanceai
nsi
quel
enombr
edev
oisi
nsKpeutgénér
erdesconf
li
ts.

Le travail doit être accompagné des

preuves de l’interface sur votre terminal
car le code sans capture a l’appui n’est
que perte de temps.
J’irais taper le truc malgré que mon
voisin soit mon berger.
C’est très intéressant la façon dont le
voisin à jouer son rôle, des génies