top of page

Introduction à l’apprentissage supervisé

Ects : 3

Enseignant responsable :

PATRICE BERTRAND


Volume horaire : 21

Description du contenu de l'enseignement :

  1. Analyse factorielle discriminante

  2. Analyse discriminante linéaire et quadratique

  3. Classification bayésienne à l ’ aide de modèles de mélange

  4. Classifieur bayésien et classifieur bayésien naïf

  5. Sélection de modèles de mélange parcimonieux

  6. Arbres de décision

  7. Forêts aléatoires

 L'ensemble de ces méthodes enseignées est illustré par des démonstrations du logiciel R sur des jeux de données réel (principalement Analyse Discriminante linéaire et quadratique, Classification bayésienne gaussienne, Classifieur bayésien naïf, Forêts aléatoires).


Compétences à acquérir : Ce cours présente les méthodes élémentaires d’apprentissage supervisé suivantes : analyse factorielle discriminante, classification bayésienne à l’aide de modèles de mélange, arbres de décision et forêts aléatoires. Les propriétés théoriques et différentes formulations de ces méthodes sont présentées. Leurs mises en oeuvre, ainsi que celles de leurs variantes, sont illustrées à l’aide de traitements de données effectués avec le logiciel R. L'objectif de ce cours est l'acquisition de la maîtrise de ces méthodes élémentaires d’apprentissage supervisé.

bottom of page