Beschreibung
Les travaux développés dans le cadre de cet ouvrage portent sur le problème du traitement des grandes masses de données lors de lapprentissage automatique dun modèle à partir dune base dexemples. Ainsi, le modèle construit servira comme un outil de classification de nouveaux cas. Nous étudions plus particulièrement dans un premier temps, le concept de la sélection de variables en présentant ses principales stratégies et en propulsant leurs insuffisances, en effet, une nouvelle méthode Filtre sera développée au cours de ce travail afin de remédier aux insuffisances signalées. Nous étudions dans un deuxième temps, le problème de laugmentation super-exponentielle de la complexité algorithmique de lapprentissage de structure dun classifieur Bayésien dans le cas dutilisation dalgorithmes généraux et sans restrictions particulières. Alors, on se propose lors de cette partie de développer une nouvelle approche permettant de réduire le nombre de graphes acycliques dirigés (DAG) possibles lors de lapprentissage automatique de structure sans pour autant perdre de linformation.
Autorenporträt
Docteur en informatique, spécialité Apprentissage Automatique (Machine Learning), diplômé de l'université de Rouen en France, Assistant universitaire à l'institut supérieur d'informatique et de multimédia de Gabès en Tunisie.
