Evaluation des méthodes de Sélection de Variables en Apprentissage supervisé

Abstract

La résolution de la plupart des problèmes, dans de nombreux domaines de la vie courante, se base sur le traitement de données extraites à partir des données acquises dans le monde réel, et structurées sous forme de vecteurs. La qualité du système de traitement dépend directement du bon choix du contenu de ces vecteurs. Mais dans de nombreux cas, la résolution du problème devient difficile, voire presque impossible à cause de la dimension trop importante de ces vecteurs. Force est de constater, que aussi que le problème de la sélection de variables en classification se pose généralement lorsque le nombre de variables pouvant être utilisé pour expliquer la classe d'un individu, est très élevé. Dans ce cadre, nous proposons dans ce mémoire l'étude d'un certain nombre de différentes méthodes de sélection de variables existantes. Ces méthodes présentent un certains nombre de caractéristiques, tel que : - la dépendance des variables pertinentes sélectionnées par rapport au classificateur utilisé; - la redondance entre les variables sélectionnées; - les interactions entre les différentes variables; - la faiblesse au niveau de leur complexité qui s'avère être parfois très élevée. Notre contribution, et dans le but de connaitre au mieux ces difficultés, consiste à : 1-Analyser et comparer certaines méthodes de sélection de variables appliqués dans différents domaines - la bioinformatique et autres- , de types Filter, Wrapper et Embedded. 2- Analyser les forces et les faiblesses de ces méthodes au vu de la dimensionnalité des données disponibles. Les méthodes détaillées sont basées sur la sélection de classificateurs simples associés à chacune des variables. 3- Trouver une bonne combinaison entre les méthodes de sélection et les classificateurs SVM et Naïves Bayésien utilisés dans nos expérimentations capable de sélectionner un nombre réduit de caractéristiques tout en conservant des taux de classification très satisfaisants. Nos expérimentations ont montré que les méthodes et approches adoptées ont la capacité de sélectionner un nombre réduit de variables tout en conservant des taux de classification très satisfaisant.