Rough set theory : « théorie des ensembles approximatifs «

Résumé du document

Rough set theory « théorie des ensembles approximatifs » a été développée par Zdzislaw Pawlak au début des années 80.

[...]
- Rapprocher les objets qui se ressemblent le plus
Si on a des attributs continus, on cherche à les discrétiser en dégageant des intervalles : Nouvel ensemble d'apprentissage
- Dégager les classes d'équivalences
- Calculer les approximations supérieures et inférieures de chaque classe
- Calculer ?accuracy' ou l'ajustement
- Trouver les reducts et les cores : Etablir la matrice de discernibility
- Dégager les règles servant à classifier une nouvelle instance (...)

[...] RSC permet de traiter l'inconsistance des données, dû à un manque de connaissance ou d'attributs en se basant sur le concept de similarité. (...)

Extraits

[...] Pawlak, “Rough Sets”, International Journal of Computer and Information Sciences, Vol.11, 341-356 (1982). Z. Pawlak, Rough Sets - Theoretical Aspect of Reasoning about Data, Kluwer Academic Pubilishers (1991). [...]

[...] 05/11/19 < number > Le but principal de rough set analysis (l'analyse approximative d'ensemble) est l'induction des approximations des concepts. Il peut être employé pour : identifier les dépendances totales ou partielles dans les données, éliminer des données superflues, donner l'approche aux valeurs nulles, aux données absentes, aux données dynamiques et à d'autres. Introduction 05/11/19 < number > < number > 05/11/19 < number > Information/Decision Systems (Tables) Indiscernibility Approximation Reducts & Core Discernibility matrix Concepts de base 05/11/19 < number > Information/Decision Systems (Tables) Indiscernibility Set Approximation Reducts & Core Discernibility matrix Concepts de base 05/11/19 < number > U est un ensemble fini d'objets non vides A est un ensemble fini d'attributs non vides IS est une paire valeur de l'attribut a pour l'objet X Information Systems/ Tables Id H M T F 1 n y h y 2 y n h y 3 y y vh y 4 n y n n 5 y n h n 6 n y vh y 05/11/19 < number > Information/Decision Systems (Tables) Indiscernibility Approximation Reducts & Core Discernibility matrix Concepts de base 05/11/19 < number > x and y : deux objets de l'univers IND(P) est une relation de similarité qui partitionne l'univers U en classes d'équivalences U/IND(P) : ensemble de partitions Indiscernibility relation 05/11/19 < number > Flu Patients Id H M T F 1 n y h y 2 y n h y 3 y y vh y 4 n y n n 5 y n h n 6 n y vh y IND(P) est une relation de similarité qui partitionne l'univers U en classes d'équivalences U/IND(P) : ensemble de partitions Indiscernibility relation 05/11/19 < number > Information/Decision Systems (Tables) Indiscernibility Approximation Reducts & Core Discernibility Matrix Concepts de base 05/11/19 < number > Lower Approximation : nous sommes certains que les objets appartiennent à la classe. [...]

[...] . 05/11/19 < number > UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Mastère Informatique Appliquée à la Gestion Exposé en Apprentissage Automatique Image2.png < number > 05/11/19 < number > Introduction Concepts de base Algorithme Exemple Conclusion major < number > 05/11/19 < number > < number > 05/11/19 < number > Introduction Rough set theory « théorie des ensembles approximatifs » a été développée par Zdzislaw Pawlak au début des années 80. Publications : Z. [...]

[...] Upper Approximation : c'est possible que les objets appartiennent à la classe. B  A B  A Approximations < number > 05/11/19 < number > rough.gif Approximations 05/11/19 < number > Les classes indiscernabes ( similaire) définies par R = {Headache, Temp.} U/R = { X1 = Flu(u) = yes} = {u2,u3,u6,u7} X2 = Flu(u) = no} = {u1,u4,u5,u8} RX1 = u3} = u3, u6, u7, u8, u5} BN={u6, u7, u8, u5} RX2 = u4} = u4, u5, u8, u7, u6} BN={u5, u8, u7, u6} u1 u4 u3 X1 X2 u5 u7 u2 u6 u8 Approximations 05/11/19 < number > F=y RX1 = u3} = u3, u6, u7, u8, u5} F=n RX2 = u4} = u4, u5, u8, u7, u6} Exactitude d'approximation 11 05/11/19 < number > Information/Decision Systems (Tables) Indiscernibility Approximation Reducts & Core Matrice de discernibility Concepts de base 05/11/19 < number > Reduct: recherche des sous ensembles minimales possibles des attributs qui gardent les mêmes classes d'équivalence. [...]

[...] RS peut être employé comme base théorique pour quelques problèmes dans machine learning telle que l'induction des règles. < number > 05/11/19 < number > Ola Leifler, Comparison of LEM2 and a Dynamic Reduct Classification Algorithm, 9th October 2002 Jerzy W. Grzymala-Busse, Rule induction, NguyenHung Son, Introductiont to Rough sets andData mining Jerzy W. [...]