Sujets spéciaux en informatique I PIF-6003. Approches non-paramétriques u Technique de classification NN u Technique de classification k-NN u Erreurs.

Slides:



Advertisements
Présentations similaires
Thomas G. Dietterich Approximate Statistical Tests for Comparing
Advertisements

Classification et prédiction
Regroupement (clustering)
Efficient Simplification of Point-Sampled Surfaces
Regroupement (clustering)
Classification supervisée Marine Campedel avril 2005.
Tests non paramétriques
Les K plus proches voisins
LES RESEAUX DE NEURONES
Application de réseaux bayésiens à la détection de fumées polluantes
Modélisation des systèmes non linéaires par des SIFs
Probabilités et statistique en TS
Programmes du cycle terminal
Concepts avancés en mathématiques et informatique appliquées
Mirta B. Gordon Laboratoire Leibniz-IMAG Grenoble
Chapitre 2 Les indices.
Support Vector Machine
Méthodes de Biostatistique
RECONNAISSANCE DE FORMES
Classification Multi Source En Intégrant La Texture
Décodage des informations
Concepts avancés en mathématiques et informatique appliquées
Méthode des k plus proches voisins
Concepts avancés en mathématiques et informatique appliquées MAP-6014.
RECONNAISSANCE DE FORMES
DEA Perception et Traitement de l’Information
RECONNAISSANCE DE FORMES
Présentation des outils de recherche dinformations scientifiques.
Programme de Seconde 21/10/2009 Rentrée 2009 – 2010.
Les réseaux de neurones
Dépannage du 12 mars 2007.
RECONNAISSANCE DE FORMES
PROGRAMMATION SCIENTIFIQUE EN C
PIF-6003 Sujets spéciaux en informatique I
SUJETS SPÉCIAUX EN INFORMATIQUE I
Structure discriminante (analyse discriminante)
SUJETS SPÉCIAUX EN INFORMATIQUE I
Apprentissage par arbre de décision
Recherche d’ensembles chromatiques
Introduction à la reconnaissance:
Classification automatique
BIO 4518: Biostatistiques appliquées Le 4 octobre 2005 Laboratoire 3 ANOVA à un critère de classification.
Classification : objectifs
GRAPHISME PAR ORDINATEUR
Intervalles de confiance pour des proportions L’inférence statistique
Apprentissage « machine »
Réseaux de neurones à base radiale
Fusion de paramètres en classification Parole/Musique Julie Mauclair – Equipe Parole Julien Pinquier – Equipe SAMoVA.
Reconnaissance de chiffres manuscrits
Sujets spéciaux en informatique I
Localisation et identification des interactions neutrinos dans le détecteur OPERA. Carole HERITIER Journées Jeunes Chercheurs 2003 Directeurs de thèse.
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES
Concepts avancés en mathématiques et informatique appliquées MAP-6014.
Interpolation et Approximation
STATISTIQUES.
PIF6004 Sujets Spéciaux en informatique II
PIF-6003 Sujets spéciaux en informatique I
Analyse des semis de point
Génération de routes optimales Sujets Introduction TSP Colonies de fourmis (voir autre présentation Informs Healhcare) PIF6004 Sujets Spéciaux en informatique.
LOI NORMALE LOI STUDENT ECHANTILLONS ET TESTS DE MOYENNE
LOIS COURANTES DE PROBABILITES LA LOI DE POISSON Jean-Marc Petit1.
Segmentation (2 ième partie) Références: Sonka et al: sections 6.2.6, 10.2 (10.6) Autres: chap Forsyth chap. 4 Ballard & Brown (pour GHT) Dernière.
1_Introduction Toute mesure est entachée d’erreur. Il est impossible d’effectuer des mesures rigoureusement exactes. Pour rendre compte du degré d’approximation.
ECHANTILLONAGE ET ESTIMATION
Tests relatifs aux variables qualitatives: Tests du Chi-deux.
Comparaison post-classification. Le problème du projet 3 Les changements du couvert arborescent dans le territoire urbain (zone blanche) de la Communauté.
Reconnaissance de formes: lettres/chiffres
Les ventilateurs Etude de cas n°1 1 : Observations - Comparaisons
INTELLIGENCE ARTIFICIELLE
Transcription de la présentation:

Sujets spéciaux en informatique I PIF-6003

Approches non-paramétriques u Technique de classification NN u Technique de classification k-NN u Erreurs de classification NN

Technique de classification NN u La technique du voisin le plus proche nous permet d’éviter le problème de calcul des probabilités u En fait, nous classons une observation x inconnue dans la classe la plus proche (NN), ou à l’observa- tion la plus proche dans les données d’entraînement

Technique de classification NN u Nous devons alors déterminer l’observation de référence la plus proche. La distance Euclidienne est donnée par

Technique de classification NN u Autres distances Différence absolue Distance maximale Minkowski

Technique de classification NN u Exemple de classification NN

Technique de classification k-NN u Une généralisation de la technique NN consiste à associer la classe C i à une observation x dont font partie une majorité des k voisins les plus proches de x u Si nous utilisons 3 voisins, l’observation de l’exemple précédent sera classé dans B puisque 2/3 voisins appartiennent à B

Technique de classification k-NN u Algorithme d’apprentissage

Technique de classification k-NN u Algorithme d’utilisation x

Technique de classification k-NN u Algorithme d’apprentissage

Technique de classification k-NN (Comparaison de l’erreur) 2 classes