Corrigé Data Mining 2023-2024
Télécharger PDFA- 100 SAF J3 Corrigé Data Mining: 2023-2024 Codu 1. A. 2. D. 3. Normalisation Standard (Standardization ou z-score): (-4,-2,0,2,4) Normalisation Min-Max (Min-Max Normalization): (0,2,4,6,8) 4. B. 5. C, D. 6. La distorsion = la moyenne des distances de chaque point à son centroide correspondant. La distorsion = (||x(1) - 42 + ||x(2) - μ2 + ||x(3) - μ2||2 + ||x(1) - μ2 ||2 + ||x(1) — μ2 ||2 La distorsion= (1 (1+) 1 1 + 2 + 2 + 2 + 5) = 2.4 - 1 2 EXERCICE 01: Nous devons calculer P(Non/X) et P(Oui/X) et comparer entre elles. 25 P(Non/X) = 01) P(Oui/X) = Par les formes de colal * P(Maison = Oui/Non) + P(Etat = Divorcé/Non) P(Revenu = 120/Non) P(Non) P(X) = * * P(Maison Oui/Oui) P(Etat = Divorcé/Oui) P(Revenu = 120/Oui) P(Oui) P(X) = P(Maison Oui/Non) = 2/6 P(Etat = Divorcé/Non) = 0 P(Maison Oui/Oui) = 0 = P(Etat Divorcé/Oui) = 1/3 Aussi, Mayens a 6,5 P(Revenu = 120/Non) P(Non)-6/9 P(Revenu = 120/Oui) P(Oui)=3/9 XRevenu/Non = 91,Variance (Revenu/Non) = 685, P(Revenu = 120/Non) = 90 XRevenufoui= 90, Variance (Revenu/Oui) = 25, P(Revenu = 120/Oui) = EXIT Parla choose On! Donc, G Vizo mean √2 +685 1 √2 π 25 4(120-91)2 1 e 685 =0.0083 (120-90)2 e 2 25 1.210 `3 Vinoner (NICS) 2 £ 11 C1 = 2 * * X-X 3 2 P(Non/X) x*0*0.00830 et P(Oui/X) 0 1.2 10-90. Ainsi, Naive Bayes ne peut pas prendre de décision. Pour y remédier, on utilise l'estimateur de Laplace: n-2 P(Maison Oui/Oui) = 0+1 3+2 et P(Divorcé = Oui/Non) 0+1 = 6+2 8 Suite à cela, il reste P(Non/X)> P(Oui/X). Donc, Naive Bayes prédit que le nouvel emprunteur ne sera pas en défaut de payement. Accucony TP+TN - 6 navicel Movec le den aminten Richle Po 2 10 Này 2 24 Neg Préants 4 و 67%.