Data Mining
2013/2014
Prof. Chiraz Ben Abdelkader
TD no. 3 : Méthode de Plus Proches Voisins (kPPV)
Lundi 21 Octobre, 2013
Plan:
1) kPPV pour « Jouer Tennis »
2) kPPV pour classification de textes (semaine prochaine)
1. kPPV pour « Jouer Tennis »
On vise à construire un classeur kPPV à base des exemplaires suivants :
Source: Notes de cours, Prof. Philippe Preux, Chapitre 3, p. 25
a. Mesure de dissimilarité :
On propose d’utiliser la formule suivante :
zx
),(
vent
humidite,
e,
zx
),(
temperatur
ciel,
2
a
2
Pour les deux attributs nominaux, on va utiliser la formule suivante :
o Pour les deux attributs numériques, Température et Humidité, on va utiliser
Publicité
la distance Euclidienne. En plus, on va transformer ces attributs à
l’intervalle [0,1] en utilisant la formule suivante (voir Notes de Cours)
x
i
max(
x
)
i
min(
min(
)
ˆ
x
x
x
)
i
i
i
o Par exemple, la dissimilarité entre les deux premiers exemplaires dans le
tableau au-dessus est :
0
2
ciel
xx
,
1
2
xx
,
1
2
2
vent
1
Publicité
2
temperatur
e
xx
,
2
1
2
humidite
xx
,
2
1
5.27
5.27
17
17
25
5.27
17
17
2
85
96
65
65
90
96
65
65
2
b. Classification de nouvelles données:
Utiliser la méthode kPPV (avec k=1 puis k=3) et les exemplaires au-dessus pour
prédire la classe des exemplaires dans le tableau ci-dessous.
Ciel
Publicité
Température
Humidité Vent
Indices des 3
exemplaires les
plus proches
Prédiction
avec k=1
Prédiction
avec k=3
Pluie
Couvert
Pluie
Pluie
Ensoleillé
21.5
26.0
17.5
31.5
18.0
95.0
70.0
83.0
61.5
93.0
Fort
Fort
Faible
Faible
Fort
2. kPPV pour Classification de Textes
(la semaine prochaine ISA)
Publicité