Quel algorithme Learning machine choisir?
Fermé
Detch
Messages postés
75
Date d'inscription
lundi 23 juillet 2012
Statut
Membre
Dernière intervention
26 février 2018
-
18 sept. 2017 à 18:59
Detch Messages postés 75 Date d'inscription lundi 23 juillet 2012 Statut Membre Dernière intervention 26 février 2018 - 19 sept. 2017 à 12:07
Detch Messages postés 75 Date d'inscription lundi 23 juillet 2012 Statut Membre Dernière intervention 26 février 2018 - 19 sept. 2017 à 12:07
A voir également:
- Quel algorithme Learning machine choisir?
- Quelle console choisir - Guide
- Time machine - Guide
- Quel mini pc choisir - Guide
- Quel linux choisir - Guide
- Machine virtuelle gratuite - Télécharger - Émulation & Virtualisation
1 réponse
KX
Messages postés
16734
Date d'inscription
samedi 31 mai 2008
Statut
Modérateur
Dernière intervention
24 avril 2024
3 015
18 sept. 2017 à 19:30
18 sept. 2017 à 19:30
Bonjour,
Soit je n'ai pas compris ce que tu veux faire, soit tu n'as pas compris ce que l'IA permettait de faire, soit un peu des deux...
En gros le but de l'apprentissage, c'est de dire que pour un ensemble i=1..n, je connais Xi, je connais f(Xi) et on va essayer de construire g(X), une approximation de f(X), qui permette (dans la plupart des cas) d'avoir g(Xi)≈f(Xi) pour chaque Xi, puis l'étendre à un ensemble j=n+1...m dont on connait Xj, dont on ne connait pas f(Xj), mais pour lesquels on va calculer g(Xj) afin de se rapprocher du f(Xj) recherché.
Dans ton cas, qu'est-ce qu'une entrée Xi et une sortie f(Xi) ?
De ce que j'ai compris, Xi serait les 100 bulletins de notes et f(Xi) le classement dans l'ordre de ces bulletins de notes.
Mais dans ce cas, combien d'échantillon i=1..n disposes-tu pour faire l'apprentissage ? Un seul ?
Je pense qu'il faut retravailler la manière de poser le problème pour le simplifier afin de faire une IA plus pertinente et travailler avec moins de données (100 bulletins comme entrée et un classement en sortie c'est complexe).
Par exemple, Xi pourrait être un seul bulletin et f(Xi) une note globale estimée par l'IA, cette note permettrait ensuite de déduire le classement final.
Soit je n'ai pas compris ce que tu veux faire, soit tu n'as pas compris ce que l'IA permettait de faire, soit un peu des deux...
En gros le but de l'apprentissage, c'est de dire que pour un ensemble i=1..n, je connais Xi, je connais f(Xi) et on va essayer de construire g(X), une approximation de f(X), qui permette (dans la plupart des cas) d'avoir g(Xi)≈f(Xi) pour chaque Xi, puis l'étendre à un ensemble j=n+1...m dont on connait Xj, dont on ne connait pas f(Xj), mais pour lesquels on va calculer g(Xj) afin de se rapprocher du f(Xj) recherché.
Dans ton cas, qu'est-ce qu'une entrée Xi et une sortie f(Xi) ?
De ce que j'ai compris, Xi serait les 100 bulletins de notes et f(Xi) le classement dans l'ordre de ces bulletins de notes.
Mais dans ce cas, combien d'échantillon i=1..n disposes-tu pour faire l'apprentissage ? Un seul ?
Je pense qu'il faut retravailler la manière de poser le problème pour le simplifier afin de faire une IA plus pertinente et travailler avec moins de données (100 bulletins comme entrée et un classement en sortie c'est complexe).
Par exemple, Xi pourrait être un seul bulletin et f(Xi) une note globale estimée par l'IA, cette note permettrait ensuite de déduire le classement final.
19 sept. 2017 à 01:31
en se basant sur la note des élèves et leurs années d'étude, et la spécialité du professeur , je dois avoir le classement des bulletins .
19 sept. 2017 à 08:45
Si je prends un algorithme génétique par exemple, il est nécessaire de représenter tes données sous forme de gènes. Peut être que ton problème s'y prête, peut être pas, mais on ne choisira pas cet algorithme avant de connaître les caractéristiques de ton problème.
A priori si tu veux un classement, il suffirait de construire un comparateur (qui permet de déterminer entre deux valeurs laquelle est la plus grande) avec lequel tu pourras utiliser un algorithme de tri.
A voir comment tu modélises les données d'entrée et de sortie de ce que tu compares.
19 sept. 2017 à 12:07
https://www.kdnuggets.com/2016/08/10-algorithms-machine-learning-engineers.html