User Tools

Site Tools


Sidebar

public:res-ens:classification-data-mining:classification-data-mining
Classification Data Mining 2015

Les pdf utiles :

Sandrine

Vincent

Exo supplémentaire

Précis d'apprentissage

Indications relatives à l'examen de 2014 :



Exo 1
1) matrice de variance-covariance : [25/3 3.5;3.5 5/3]
2) valp1=59/6, valp2=1/6
vecp1=[3.5 1.5] et vecp2 perpendiculaire à vp1

Exo2 :
Avantages : pas de nombre de classes à déterminer au départ, pas d'initialisation de centres, outliers autorisés

Résultat Méthode Kmeans :
- Classe 1 : {a,b,c}
- Classe 2 : {d,e,f}
- Classe 3 : {g,h,i,j}

Résultat de DBSCAN avec epsilon = 1 : valeur de paramètre critique ⇒ chaque point est considéré comme outlier.
Pour epsilon = sqrt(2) (modification du sujet)
- Classe 1 : {a,b,c}
- Classe 2 : {g,h,i,j}
- Outliers : d,e,f

Exo 3 :
Approcher les espérances par des moyennes empiriques (ce qui explique le caractère très approximatif de la démarche).

public/res-ens/classification-data-mining/classification-data-mining.txt · Last modified: 2016/02/08 16:25 (external edit)