Correction TD1 Partie 1

APPRENTISSAGE SUPERVISÉ
Arbres de décision
décision
CORRECTION TD1
EXERCICE1&2
3 LIRI Dr. Imen Khamassi

Correction Exercice 2
2
Construire l’arbre de décision correspondant à

l’ensemble d’apprentissage suivant :
Age Concurrence Type Profit
Agé Non Software Baisse
Moyen Oui Software Baisse
Moyen Non Hardware Hausse
Agé Non Hardware Baisse
Récent Non Hardware Hausse
Récent Non Software Hausse
Moyen Non Software Hausse
Récent Oui Software Hausse
Moyen Oui Hardware Baisse
Agé Oui Software Baisse
Correction Exercice 2
3
Détailler les différents calculs des ratios de gain à

chaque niveau de l’arbre.
Attributs Classe

Valeurs des attributs

Info(T)
4
2
Info(T) = - ∑ freq(T, Cj) log2 freq(T, Cj)
j=1
|T| |T|
Info(T) = - 5/10 log2 5/10 - 5/10 log2 5/10 = 1

InfoAge(T)
5
Age Concurrence Type Profit InfoAge(T) = ∑ |Ti|

Info(Ti)
Agé Non Software Baisse i∈DAge |T|
Agé Non Hardware Baisse DAge ={Agé, Moyen, Récent}
Agé Oui Software Baisse Revenu
Moyen Non Hardware Hausse Agé Moyen Récent
Récent Non Hardware Hausse Info (TAgé) Info(TMoyen) Info(TRécent)
Info(TAgé) = - 3/3 log2 3/3 =0
Info(TMoyen) = - 2/4 log2 2/4 - 2/4 log2 2/4 = 1
Info(TRécent) = - 3/3 log2 3/3 = 0
InfoAge(T)= 3/10 Info (TAgé) + 4/10 Info (TMoyen) +3/10 Info (TRécent)
= 0.4
Gain ratio(Age)
6

Moyen Non Hardware Hausse Gain(T, RAge) = Info(T) – InfoAge(T)
Moyen Non Software Hausse =1- 0.4
Moyen Oui Hardware Baisse =0.6
|Ti|
Split Info(T, Age) = - ∑ log2 |Ti|
i∈DAge |T| |T|
Split Info(T, Age) = - 3/10 log2 3/10 - 4/10 log2 4/10 - 3/10 log2 3/10 =
0.6
Gain Ratio(T, Age) = = 0.381
1.57
InfoConcurrence(T)
7

InfoConcurrence(T) = ∑ |Ti|
Info(Ti)
|T|
i∈DConcurrence
DConcurrence ={Non, Oui}
Récent Non Software Hausse Concurrence
Moyen Oui Software Baisse Non Oui
Info(TNon) Info (TOui)
Info(TNon) = - 2/6 log2 2/6 - 4/6 log2 4/6 =0.918

Info(TOui) = - 3/4 log2 3/4 - 1/4 log2 1/4 =0.811
InfoConcurrence(T)= 6/10 Info(TNon) + 4/10 Info(TOui) =0.875

Gain ratio(Concurrence)
8

Gain(T, Concurrence) = Info(T) – InfoConcurrence(T)
Agé Non Hardware Baisse = 1- 0.875
Récent Non Hardware Hausse =0.125
|Ti|
Split Info(T, Concurrence) = - ∑ log2 |Ti|
|T|
i∈DConcurrence |T|
Split Info(T, Concurrence) = - 6/10 log2 6/10 - 4/10 log2 4/10 =0.970
0.125
Gain Ratio(T, Concurrence) = = 0.128
0.970
InfoType(T)
9
Age Concurrence Type Profit |Ti|

InfoType(T) = ∑ Info(Ti)
i∈DType |T|
DType={Software, Hardware}
Récent Oui Software Hausse Type
Agé Non Software Baisse Software Hardware
Info (TSoftware) Info (THardware)
Info(THardware) = - 2/4 log22/4 - 2/4 log2 2/4 =1
Info(TSoftware) = - 3/6 log2 3/6 - 3/6 log2 3/6 = 1

InfoType(T)= 4/10 Info(THardware) + 6/10 Info(TSoftware)
=1
Gain ratio(T, Type)
10

Agé Non Hardware Baisse Gain(T, Type) = Info(T) – InfoType(T)
Récent Non Hardware Hausse = 1-1
Moyen Oui Hardware Baisse =0
Split Info(T, Type) = - ∑ |Ti| |Ti|

i∈Type
log2
|T| |T|
Split Info(T, Type) = - 4/10 log2 4/10 - 6/10 log2 6/10 = 0.970
0
Gain Ratio(T, Type) = =0
0.97
Arbre de décision:
décision: Niveau 1
11
Gain Ratio(T, Age) = 0. 381

Gain Ratio(T, Concurrence) = 0. 128
Gain Ratio(T, Type) = 0
Racine Age
Agé Récent
Moyen
Age= Moyen (1)
(1)
12
Info(TMoyen) = Info(M) = - 2/4 log2 2/4 - 2/4 log2 2/4 = 1

Age= Moyen (2)
13
InfoConcurrence(MOui)=- 2/2 log2 2/2 = 0

InfoConcurrence(MNon) = - 2/2 log2 2/2 = 0
InfoConcurrence(M)= ((2/4) * 0) + ((2/4) * 0)= 0

Gain(M, Concurrence) = Info(M)- InfoConcurrence(M)=1-0=1
Split Info(M, Concurrence) = - 2/4 log2 2/4 - 2/4 log2 2/4 = 1
Gain Ratio(M, Concurrence) = 1
Age= Moyen (3)
14
InfoType(MHardware)=- 1/2 log2 1/2 - 1/2 log2 1/2 = 1

InfoType(MSoftware))=- 1/2 log2 1/2 - 1/2 log2 1/2 = 1
InfoType(M)= ((2/4) * 1) + ((2/4) * 1)= 1

Gain(M, Type) = Info(M)- InfoType(M)=1-1=0
Split Info(M, Type) = - 2/4 log2 2/4 - 2/4 log2 2/4 = 1
Gain Ratio(M, Type) = 0
Arbre de décision:Niveau
décision:Niveau 2 (1)
15
Gain Ratio(M, Concurrence) = 1

Gain Ratio(M, Type) = 0
Age
Agé Récent
Moyen
Concurrence
Oui Non
Arbre de décision
décision final
16
Age
Agé Récent
Moyen
Baisse Hausse
Concurrence
Oui Non
Baisse Hausse
Règles de décision de l’arbre

Si (Age = Agé) alors Baisse
Si (Age = Moyen) ∧ (Concurrence= Oui) alors Baisse
Si (Age = Moyen) ∧ (Concurrence = Non) alors Hausse
Si (Age =Récent) alors Hausse

Correction TD1 Partie 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Correction TD1 Partie 1

Transféré par

Droits d'auteur :

Formats disponibles

APPRENTISSAGE SUPERVISÉ

3 LIRI Dr. Imen Khamassi

Construire l’arbre de décision correspondant à

Détailler les différents calculs des ratios de gain à

Age Concurrence Type Profit

Moyen Oui Software Baisse

Info(T) = - 5/10 log2 5/10 - 5/10 log2 5/10 = 1

Age Concurrence Type Profit InfoAge(T) = ∑ |Ti|

Age Concurrence Type Profit

Age Concurrence Type Profit

Info(TNon) = - 2/6 log2 2/6 - 4/6 log2 4/6 =0.918

InfoConcurrence(T)= 6/10 Info(TNon) + 4/10 Info(TOui) =0.875

Age Concurrence Type Profit

Age Concurrence Type Profit |Ti|

Info(TSoftware) = - 3/6 log2 3/6 - 3/6 log2 3/6 = 1

Age Concurrence Type Profit

Split Info(T, Type) = - ∑ |Ti| |Ti|

Gain Ratio(T, Age) = 0. 381

Gain Ratio(T, Type) = 0

Info(TMoyen) = Info(M) = - 2/4 log2 2/4 - 2/4 log2 2/4 = 1

InfoConcurrence(MOui)=- 2/2 log2 2/2 = 0

InfoConcurrence(M)= ((2/4) * 0) + ((2/4) * 0)= 0

InfoType(MHardware)=- 1/2 log2 1/2 - 1/2 log2 1/2 = 1

InfoType(M)= ((2/4) * 1) + ((2/4) * 1)= 1

Gain Ratio(M, Concurrence) = 1

Règles de décision de l’arbre

Vous aimerez peut-être aussi