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.
La matrice de confusion et les métriques qui en sont dérivées doivent aussi être comprises dans le détail. Vous en aurez besoin pour évaluer les performances de vos différents classifieurs dans la phase de test. Vous pouvez bien évidemment vous aider de l’aide-mémoire sur les métriques que vous avez rédigé pendant les séances précédentes.
À vous de jouer !
Enfin, vous devez être également capable de créer un classifieur avec R (en utilisant l’ADL).
À vous de jouer !
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.