Résultat de la recherche
1 recherche sur le mot-clé 'Forêt aléatoire, arbre de décision, logique oue, connaissances'
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche Interroger des sources externes
Les Forêts Aléatoires Floues. / Soumia Kalache
Titre : Les Forêts Aléatoires Floues. Type de document : texte imprimé Auteurs : Soumia Kalache, Auteur ; Asma Kouloughli, Auteur Année de publication : 2013 Importance : 39p. Présentation : ill. Format : 30cm. Langues : Français (fre) Mots-clés : Forêt aléatoire, arbre de décision, logique oue, connaissances Résumé : Nous traitons dans ce mémoire l'extraction de la connaissance à partir des donn
ées, en utilisant les forêts aléatoires oues qui combinent la robustesse des arbres
de décision, la puissance du caractère aléatoire qui augmente la diversité des arbres
dans la forêt, et la exibilité de la logique oue. Ils ont la spécicité de contrôler des
données imparfaites, de réduire le taux d'erreurs et de mettre en évidence plus de
robustesse et plus d'interprétabilité.
Dans le cadre de notre travail nous nous intéresserons a la construction une forêt
d'arbres de décision oues (de types Fuzzy CART) pour la classication de donn
ées médicales, nous optimisons ensuite ces arbres avec l'algorithme Fuzzy C-Mean
qui nous permettra une meilleure répartition des données et ainsi qu'une régularisation
des contraintes qui s'appliquent sur les paramètres des fonctions d'appartenance
oues. Cet algorithme réduit le nombre de sous-ensembles ous et minimise
le nombre de règles pour une connaissance ciblée.Les Forêts Aléatoires Floues. [texte imprimé] / Soumia Kalache, Auteur ; Asma Kouloughli, Auteur . - 2013 . - 39p. : ill. ; 30cm.
Langues : Français (fre)
Mots-clés : Forêt aléatoire, arbre de décision, logique oue, connaissances Résumé : Nous traitons dans ce mémoire l'extraction de la connaissance à partir des donn
ées, en utilisant les forêts aléatoires oues qui combinent la robustesse des arbres
de décision, la puissance du caractère aléatoire qui augmente la diversité des arbres
dans la forêt, et la exibilité de la logique oue. Ils ont la spécicité de contrôler des
données imparfaites, de réduire le taux d'erreurs et de mettre en évidence plus de
robustesse et plus d'interprétabilité.
Dans le cadre de notre travail nous nous intéresserons a la construction une forêt
d'arbres de décision oues (de types Fuzzy CART) pour la classication de donn
ées médicales, nous optimisons ensuite ces arbres avec l'algorithme Fuzzy C-Mean
qui nous permettra une meilleure répartition des données et ainsi qu'une régularisation
des contraintes qui s'appliquent sur les paramètres des fonctions d'appartenance
oues. Cet algorithme réduit le nombre de sous-ensembles ous et minimise
le nombre de règles pour une connaissance ciblée.Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité BFST233 MS/006.3-43/01 thèse Salle d'accès libre 006.3 INTELLIGENCE Disponible