Module 2 Classification supervisée II

Objectifs

• Maîtriser la validation croisée comme approche efficace de partitionnement entre set d’apprentissage et de test

• Connaître la classification supervisée par la méthode des plus proches voisins et par quantification vectorielle

• Comprendre et être capable d’utiliser les méthodes par arbres décisionnels (partitionnement récursif et forêt aléatoire)

Prérequis

Ce module continue la matière vue dans le module précédent et s’appuie dessus. Assurez-vous d’avoir bien compris la logique de la classification supervisée et les trois étapes : apprentissage, test et déploiement. Vous devez être également capable de créer un classifieur avec R (en utilisant l’ADL). Enfin, la matrice de confusion et les métriques qui en sont dérivées ne doivent plus avoir de secrets pour vous pour évaluer les performances d’un classifieur dans la phase de test. S’il subsiste des doutes ou des incompréhensions pour ces aspects clés de la classification supervisée, vous feriez mieux d’approfondir le module 1 avant d’aborder celui-ci.