Détail de l'auteur
Auteur Saidi, Meryem |
Documents disponibles écrits par cet auteur (1)
Affiner la recherche Interroger des sources externes
Traitement des données biologiques par les méthodes ensemblistes / Saidi, Meryem
Titre : Traitement des données biologiques par les méthodes ensemblistes Type de document : texte imprimé Auteurs : Saidi, Meryem, Auteur ; Chikh, Mohamed Amine, Auteur Editeur : Université tlemcen Année de publication : 2018 Importance : 89 p. Présentation : ill. Format : 30 cm Accompagnement : cd Langues : Français (fre) Résumé : Le développement des modèles de classification est l’une des principales tâches
dans le domaine de data mining. Toutefois, le volume élevé de données générées
par différents domaines de recherche, allant du séquençage du génome humain,
qui permet d’obtenir des niveaux d’expressions de plusieurs milliers de gènes,
aux millions d’informations circulant sur internet rend l’utilisation des méthodes
d’apprentissage automatique un vrai défi. D’où la nécessité d’une étape de prétraitement
afin de préparer la base aux algorithmes d’apprentissage.
L’induction d’un modèle de classification pour le diagnostic avec autant d’instances
et de variables est un défi majeur dans le domaine de l’apprentissage statistique.
D’où la nécessité de réduire ce nombre. Parmi les processus de prétraitements
applicables sur une base, nous trouvons les méthodes de réduction : les
algorithmes de sélection d’instances et de variables que notre proposition est aussi performante que les méthodes existantes tout en
étant moins coûteuseTraitement des données biologiques par les méthodes ensemblistes [texte imprimé] / Saidi, Meryem, Auteur ; Chikh, Mohamed Amine, Auteur . - Université tlemcen, 2018 . - 89 p. : ill. ; 30 cm + cd.
Langues : Français (fre)
Résumé : Le développement des modèles de classification est l’une des principales tâches
dans le domaine de data mining. Toutefois, le volume élevé de données générées
par différents domaines de recherche, allant du séquençage du génome humain,
qui permet d’obtenir des niveaux d’expressions de plusieurs milliers de gènes,
aux millions d’informations circulant sur internet rend l’utilisation des méthodes
d’apprentissage automatique un vrai défi. D’où la nécessité d’une étape de prétraitement
afin de préparer la base aux algorithmes d’apprentissage.
L’induction d’un modèle de classification pour le diagnostic avec autant d’instances
et de variables est un défi majeur dans le domaine de l’apprentissage statistique.
D’où la nécessité de réduire ce nombre. Parmi les processus de prétraitements
applicables sur une base, nous trouvons les méthodes de réduction : les
algorithmes de sélection d’instances et de variables que notre proposition est aussi performante que les méthodes existantes tout en
étant moins coûteuseExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité T08290 EDOC004-27/ 01 Thèse قاعة العلوم والتكنولوجيا والطب والعلوم الطبيعة والحياة 004 معالجة البيانات علم الحاسوب Exclu du prêt