Académique Documents
Professionnel Documents
Culture Documents
Réalisé par:
Rouahi Aouatef Sassi Najla
Définitions Utiles
Etat de l’art
Pruning algorithm
Conclusion
Etat de l’art
Pruning algorithm
Conclusion
Etat de l’art
Pruning algorithm
Conclusion
Etat de l’art
Pruning algorithm
Conclusion
Etat de l’art
Pruning algorithm
Conclusion
Un algorithme descendant;
Un algorithme ensembliste;
17
Proposition
18
Relevance-based
boosting-style
algorithm
© 12/8/21 Novell Inc, Confidential & Proprietary
19
L’algorithme de base
Dans la distribution initiale toutes les instances d’apprentissage ont des poids
égaux ;
Dans la suite, les poids des instances sont ajustés selon le chemin de décision appris
afin de construire une nouvelle distribution D`, utilisée comme entrée dans
l’itération suivante ;
La prédiction finale de l’instance de test donnée est obtenue par vote majoritaire
sur les T chemins de décision.
© 12/8/21 Novell Inc, Confidential & Proprietary
20
Problème : comment ajuster le poids d’une instance ?
NP(x) pour (y, Cy) est différent de NP(x) pour (y’, Cy’)
Sur-Apprentissage
yi :la classe de x;
?Ȓ-distance/ R-distance?
R-distance=Dfr(x,Ci˄R);