Situation : catégoriser des élèves et des exercices.
Illustrations : Wikipedia.
sont des étiquettes | sont des valeurs | |
---|---|---|
ne se suivent pas | nominales (nom, sexe, ...) |
de ratios (distance, durée, ...) |
se suivent | ordinales (1er, 2ème, échelle de Likert, ...) |
d'intervalles (date, température, ...) |
K-NEAREST NEIGHBORS | NAIVE BAYES | LEAST SQUARES | A-PRIORI | K-MEANS CLUSTERING | DBSCAN CLUSTERING | ||
---|---|---|---|---|---|---|---|
échantillon | de ratios [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]] |
de ratios [[5, 1, 1], [1, 5, 1], [1, 1, 5]] |
ordinales [[60], [61], [62], [63], [65]] |
nominales [['alpha', 'beta', 'epsilon'], ['alpha', 'beta', 'theta'], ['alpha', 'beta', 'epsilon'], ['alpha', 'beta', 'theta']] |
de ratios [[1, 1], [8, 7], [1, 2], [7, 8], [2, 1], [8, 9]] |
de ratios [[1, 1], [8, 7], [1, 2], [7, 8], [2, 1], [8, 9]] |
|
étiquettes | nominales ['a', 'a', 'a', 'b', 'b', 'b'] |
nominales ['a', 'b', 'c'] |
|||||
valeurs | de ratios [3.1, 3.6, 3.8, 4, 4.1] |
||||||
question | [3, 2] | [3, 1, 1] | [64] | ['alpha','theta'] | epsilon = 2, minSamples = 3 | ||
réponse | b | a | 4.06 | beta | [0=>[[1, 1], ...], 1=>[[8, 7], ...]] | [0=>[[1, 1], ...], 1=>[[8, 7], ...]] |
Lortet, A. (2019). Apprentissage automatique [Application en ligne]. Repéré à https://ml.galexie.com
Les algorithmes utilisés proviennent de la bibliothèque PHP-ML d'Arkadiusz Kondas.Kondas, A. (2016). Fresh approach to Machine Learning in PHP. Repéré à https://github.com/php-ai/php-ml