Scribd Logo
Importer

Bienvenue sur Scribd !

  • 11 vues

    Corrigé-Exemple

    Transféré par

    Ahmed Amir
    Le document décrit un exemple d'arbre de décision pour la classification de données. Il présente les étapes de calcul des mesures d'efficacité des décisions et choisit la meilleure décision.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Corrigé-Exemple

    Transféré par

    Ahmed Amir
    11 vues8 pages
    Le document décrit un exemple d'arbre de décision pour la classification de données. Il présente les étapes de calcul des mesures d'efficacité des décisions et choisit la meilleure décision.

    Titre original

    Corrigé-Exemple_ffc16775d868e6dd45db53c00eaf2aa2

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document décrit un exemple d'arbre de décision pour la classification de données. Il présente les étapes de calcul des mesures d'efficacité des décisions et choisit la meilleure décision.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    11 vues8 pages

    Corrigé-Exemple

    Transféré par

    Ahmed Amir
    Le document décrit un exemple d'arbre de décision pour la classification de données. Il présente les étapes de calcul des mesures d'efficacité des décisions et choisit la meilleure décision.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 8

    Exemple du Cours

    (Arbres de Décision)

    𝐃 = {𝐝𝟏 , 𝐝𝟐 , 𝐝𝟑 }

     𝐝𝟏

     𝐝𝟐

     𝐝𝟑
    𝐄 = {𝐞𝟏 , 𝐞𝟐 , 𝐞𝟑 } 𝐏

     𝐞𝟏 « » 𝐏(𝐞𝟏 ) = 𝟎, 𝟐𝟓

     𝐞𝟐 « » 𝐏(𝐞𝟐 ) = 𝟎, 𝟐𝟓

     𝐞𝟑 « « » 𝐏(𝐞𝟑 ) = 𝟎, 𝟓

    « » « » « » « »

    𝐝𝟏

    𝐝𝟐

    𝐝𝟑
    𝐧

    𝐄𝐌𝐆(𝐝𝐢 ) = ∑ 𝐏(𝐞𝐣 ) ∗ 𝐱𝐢𝐣


    𝐣=𝟏

    𝐄𝐌𝐆(𝐝𝟏 ) = 𝟎, 𝟐𝟓 ∗ 𝟐𝟎 + 𝟎, 𝟐𝟓 ∗ (−𝟑𝟎) + 𝟎, 𝟓 ∗ 𝟏𝟎 = 𝟐, 𝟓
    𝐄𝐌𝐆(𝐝𝟐 ) = 𝟓 𝐄𝐌𝐆(𝐝𝟑 ) = 𝟕, 𝟓

    𝐃 𝐄𝐌𝐆(𝐝) = 𝐦𝐚𝐱(𝐄𝐌𝐆(𝐝𝐢 ))
    𝐢=𝟏..𝟑
    𝐝𝟑
    𝐃 = {𝐝𝟏 , 𝐝𝟐 , 𝐝𝟑 } 𝐃′ = {𝐝′𝟏 , 𝐝′𝟐 }

     𝐝𝟏

     𝐝𝟐

     𝐝𝟑

     𝐝′𝟏

     𝐝′𝟐

    𝐄 = {𝐞𝟏 , 𝐞𝟐 } 𝐄′ = {𝐞′𝟏 , 𝐞′𝟐 } 𝐏

     𝐞𝟏 et 𝐞′𝟏 « »

     𝐞𝟐 et 𝐞′𝟐 « »

    𝐞𝟏 𝐞′𝟏 𝐞𝟏 𝐞′𝟐 𝐞𝟐 𝐞′𝟏 𝐞𝟐 𝐞′𝟐

    𝐝𝟏 𝐝′𝟏

    𝐝𝟏 𝐝′𝟐

    𝐝𝟐 𝐝′𝟏

    𝐝𝟐 𝐝′𝟐

    𝐝𝟑 𝐝′𝟏

    𝐝𝟑 𝐝′𝟐

    ∀𝐞𝐣 ∈ 𝐄 ∶ 𝐏(𝐞𝐣 ) = 𝟎, 𝟓

    𝐞′
    ∀𝐞′𝐣 ∈ 𝐄′ ∶ 𝐏(𝐞′𝐣 ) = 𝐏 ( 𝐣⁄𝐞𝐤 )
    {
    𝐞𝐤 𝐄 𝐞′𝐣 𝐄′
    ′
    𝐞′ 𝐏(𝐞𝟏 ∩ 𝐞𝟏 ) 𝐏(𝐏𝐢𝐥𝐞 ∩ 𝐏𝐢𝐥𝐞) 𝟎, 𝟐𝟓
    𝐏 ( 𝟏⁄𝐞𝟏 ) = = = = 𝟎, 𝟓
    𝐏(𝐞𝟏 ) 𝐏(𝐏𝐢𝐥𝐞) 𝟎, 𝟓
    𝑒𝑗 𝑒𝑗′

    𝐧
    𝐞′
    ∀𝐝𝐢 ∈ 𝐃, ∀𝐝′𝐢 ′
    ∈ 𝐃 : 𝐄𝐌𝐆𝐤 (𝐝𝐢 𝐩𝐮𝐢𝐬 𝐝′𝐢 ) = ∑ 𝐏 ( 𝐣⁄𝐞𝐤 ) ∗ 𝐱𝐢𝐣𝐤
    𝐣=𝟏
    𝐞𝐤 𝐄 𝐞′𝐣 𝐄′ 𝐱𝐢𝐣𝐤
    𝐝′𝐢 𝐞′𝐣 𝐞𝐤

    𝐞′ 𝐞′
    𝐄𝐌𝐆𝟏 (𝐝𝟏 𝐩𝐮𝐢𝐬 𝐝′𝟏 ) = 𝐏 ( 𝟏⁄𝐞𝟏 ) ∗ 𝐱𝟏𝟏
    𝟏 𝟏
    + 𝐏 ( 𝟐⁄𝐞𝟏 ) ∗ 𝐱𝟏𝟐 = 𝟎, 𝟓 ∗ 𝟐𝟎 + 𝟎, 𝟓 ∗ 𝟏𝟎 = 𝟏𝟓

    𝐞′ 𝐞′
    𝐄𝐌𝐆𝟐 (𝐝𝟏 𝐩𝐮𝐢𝐬 𝐝′𝟏 ) = 𝐏 ( 𝟏⁄𝐞𝟐 ) ∗ 𝐱𝟏𝟏
    𝟐 𝟐
    + 𝐏 ( 𝟐⁄𝐞𝟐 ) ∗ 𝐱𝟏𝟐 = 𝟎, 𝟓 ∗ 𝟏𝟎 + 𝟎, 𝟓 ∗ −𝟑𝟎 = −𝟏𝟎

    𝐄𝐌𝐆𝟏 𝐄𝐌𝐆𝟐

    𝐝𝟏 𝐝′𝟏

    𝐝𝟏 𝐝′𝟐

    𝐝𝟐 𝐝′𝟏

    𝐝𝟐 𝐝′𝟐

    𝐝𝟑 𝐝′𝟏

    𝐝𝟑 𝐝′𝟐
    𝐃′𝐤 𝐄𝐌𝐆𝐤 𝐃′𝐤
    𝐃′ 𝐞𝐤

    ∀𝐝𝐢 ∈ 𝐃 ∶ 𝐄𝐌𝐆(𝐝𝐢 ) = ∑ 𝐏(𝐞𝐣 ) ∗ 𝐄𝐌𝐆(𝐌𝐞𝐢𝐥𝐥𝐞𝐮𝐫𝐞 𝐝é𝐜𝐢𝐬𝐢𝐨𝐧 𝐬𝐮𝐫 𝐃′𝐣 )


    𝐣=𝟏

    𝐄𝐌𝐆(𝐝𝟏 ) = 𝐏(𝐞𝟏 ) ∗ 𝐄𝐌𝐆𝟏 (𝐝𝟏 𝐩𝐮𝐢𝐬 𝐝′𝟐 ) + 𝐏(𝐞𝟐 ) ∗ 𝐄𝐌𝐆𝟐 (𝐝𝟏 𝐩𝐮𝐢𝐬 𝐝′𝟏 )
    = 𝟎, 𝟓 ∗ 𝟑𝟎 + 𝟎, 𝟓 ∗ −𝟏𝟎
    = 𝟏𝟎
    𝐄𝐌𝐆(𝐝𝟐 ) = 𝟏𝟐, 𝟓 𝐄𝐌𝐆(𝐝𝟑 ) = 𝟏𝟓
    𝐃′𝐤 𝐄𝐌𝐆𝐤 𝐃′𝐤
    𝐃′ 𝐞𝐤 𝐝𝟑

    Vous aimerez peut-être aussi