République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Kasdi Merbah Ouargla

Faculté des Nouvelles Technologies de l'Information et de la Communication

Département d’Informatique

Mémoire de Master

en Informatique

Spécialité : informatique industriel

Thème

Une application web pour la prédiction précoce du diabète

basant sur les algorithmes d'apprentissage automatique

Encadré par Réalisé par

Dr : Abdelmadjid Youcefa Ing : Mayou NasserEddine

Ing :Belhachani Mohammed

2020/2021
Remerciements
Nous remercions le DIEU de nous avoir donné la patience, la santé et le courage
pour réaliser ce travail. A travers ce modeste travail, nous tenons à remercier
vivement notre encadreur Dr : Abdelmadjid Youcefa pour ses conseils et ses
encouragements qui nous ont permis de réaliser ce modeste travail Nous
remercions sincèrement les membres du jury d’avoir accepté d’examiner et
d’évaluer notre travail . Nous exprimons également notre gratitude à tous les
professeurs et les enseignants qui ont collaboré à notre formation depuis notre
premier cycle d’´étude jusqu’`à la fin de notre cycle universitaire. MERCI A
TOUS
Dédicaces
Nous dédions ce travail à nos parents à toute la famille. À tous les amis et
bien sûr à tout le collègue durant la formation.

Nous dédions ce travail à tous les jours difficiles que nous avons vécu
durant notre formation les cinq années de l’ingéniorat plus l’année de
master
Résumé
Au cœur de ce mémoire, nous avons conçu et développé une application
web pour la prédiction précoce du diabète de type 2, Afin d'éviter les
risques de complications de cette maladie chronique sur la santé du patient. Pour
atteindre cet objectif, nous avons utilisé des algorithmes
d’apprentissage automatique supervisé (K neares neighbors, Decision
Trees, Random Forest, Support Vector Machine, Naives Bayes) et le
data set extrait de l’adresse web [Link] le data est de l’origine
de l’hopital de Pima_Indian (USA)Les performances des classifieurs
ont été comparées en fonction du taux de précision. Les plus hauts taux
de classification obtenus par l’application de Support_Vector_
Machine et Random_Forest sont respectivement 81.16% et 79.22% en
appliquant la méthode d’´évaluation train/test
Mots clés: IA , ML , Prédiction du diabète ,K nearest neighbors,
Decision Trees,Random Forest, Support Vector Machine, Naives Bayes

Abstract
In this modest work, we designed and developed a web application for the early
prediction of type 2 diabetes, in order to avoid the risk of complications of this
disease on the patient’s health .To achieve this goal, we used algorithms supervised
machine learning (K nearest neighbors, Decision Trees, Random Forest, Support
Vector Machine, Naives Bayes) and the data set extracted from the web address
[Link] the data is from the Pima_Indian hospital (USA). The
performance of classifiers was compared based on accuracy rate and model
sensitivity. The highest classification rates obtained by the application of
Support_Vector_ Machine and Random Forest are respectively 81.16%
and 79.22%, by applying the method of evaluation train /test .

Key words : IA , ML , Diabetes prediction ,K nearest neighbors, Decision Trees,

Random Forest, Support Vector Machine, Naives Bayes.
Table des matières
Table des matières…………………………………………………………….i
Table des figures……………………………………………………………..iii
Liste des tableaux……………….……………………………………….……v
Liste des abréviations………….………………………………..……………vi
Introduction générale………………………..……………………………….vii
Chapitre 1 :Généralités sur le diabète...………….………….….………..1
1.1 Introduction..…………………………………….……..…………………1
1.2 La signification et l'origine du diabète sucré....……….…………….……2
1.3 Quelques aspects clés du diabète....………………….…………………...2
1.4 Types de diabète...…………………………………………….……..…3
1.4.1 Diabète de type 1.………………………….……………… ……….…3
1.4.2 Diabète de type 2....……………………….…………….….….……….4
1.4.3 Diabète gestationnel. ………………….………………….….…..……...5
1.5 Qu'est-ce que le prédiabète……..………………………………..….…...6
1.6 Le diabète est un trouble du métabolisme.……...………………...…..…6
1.7 La liste des complications possibles qui peuvent être...……………...….8
1.8 Quelques faits et mythes sur le diabète...…………….………..…….….10
1.9 Liste des symptômes du diabète les plus courants……………….…..….15
1.10 Les traitement du diabète.……………………………..………….……17
1.10.1 Le traitement du diabète de type 1..……….………….…………17
1.10.2 Le traitement du diabète de type 2.……….……………….…….18
1.10.3 Le traitement du diabète gestationnel………….…….……..……...18
Chapitre 2 :L’apprentissage automatique….…………….…..…………...20
2.1 Introduction….……………………………………..…….….…….…….20
2.3 L’apprentissage Automatique..……………..……………..………..…...21

2.3.1 Motivation.………………………………………………………….....23

2.3.2Domaines d’applications de l'apprentissage automatique..…………......24

2.3.4 les différents types d’apprentissage automatique………..……….…..25

2.4 L’apprentissage supervisé...………………..………………………….28

2.4.1 Comment fonctionne l’apprentissage supervisé ?.....................28

2.4.2 Les étapes de l’apprentissage supervisé... ………………….……….29.

2.5 Les algorithmes de l’apprentissage automatique utilisés.................…..42

2.5.1 K_nearest_neighbors (KNN)...…………….…………….…….....42

2.5.2 Decision_Trees (Arbre de décision)…...…….……………….45
2.5.3 Random Forest (forêts aléatoires)...……..……………………49
2.5.4 Support Vector Machine (SVM)..…...................……………52
2.5.5 Naïve Bayes.....……..…….….………………………………..56
chapitre 3 : La pratique de la prédiction par l’apprentissage
automatique………………………………………………………….59
3.1 Introduction……………………………………………..……………..59
3.2Python...……..……………………………………….………………….60
3.3 Outils et Librairies utilisés….…………………………………….…….60
3.4 Définir l'ensemble des données et les variables utilisé......………..…...62
3.5 L’étude technique de la prédiction du diabètes type 2..……....……….65
3.5.1 Importation les Librairies ...….………………………………………65
3.5.2 Téléchargement des données..……………..…………………..….…66

3..3 Manipulation des données..…….……………………….……..66

3..4 Définir les modèles et passer les données pour trainer...…....... 78
3..5 Faire la prédiction à chaque modèle par la partie de test………79
3..6 Evaluer les modèles.….…………………………………..…….80

3.7 L’application..……………………………………….………….81
3.8 Conclusion............………………………………….…………..83
Conclusion générale…………………….……………………………….…84
Bibliographie.…………………….…………………..…………………….85

Annexe..………………………….………………………………..………..89
Table des figures
Figure 1.1 -Les Complications du diabète [5]…………………………..10
Figure 1.2 - Seringue d’insuline [6]…………………………………….17
Figure 1.3 - Le traitement hygiéno-diététiques [7]……………………..18
Figure 2.1-L’apprentissage automatique avec les disciplines connexe ...23
Figure 2.2-Domaines d’applications de l'apprentissage automatique .…25
Figure2.3-Les algorithmes d’apprentissage automatique [13]………….28

Figure 2.4-La fonctionnement de l’apprentissage supervisé [14]………29

Figure 2.5-Les étapes de l’apprentissage supervisé [15]..………………30

Figure 2.6- Le plan de chois des algorithme des maching learning……34

Figure 2.7- Aperçu de l’entrainement de modèle.………………………36

Figure 2.8-Apercu de deux types de models……………………………37

Figure 2.9- Aperçu la mesure de distance entre deux flèches.………….38
Figure 2.10- Aperçu de l’équivalence entre les deux mesures..……..…39

Figure 2.11- Aperçu de modèle de classification.……………………....39

Figure 2.12-Apercu de la minimisation de Coût.…………………….…41

Figure 2.13 - Exemple simple sur KNN..…………………………….…42

Figure 2.14 - Arbre de décision.…...........................................................47

Figure 2.15 - Structure de l’algorithme randomforest...……………..…50
Figure 2.16- Un simple exemple sur l’algorithme random forest [19]…50
Figure 2.17 -Séparation parfait de deux classes avec un hyperplan .......53
Figure 2.18- Un exemple sur le fonctionnement de l’algorithme svm...53
Figure 2.19- Hyperplan dans les entités 2D et 3D.……………….….…54
Figure 2.20 -Les vecteurs de support...…………………………………55
Figure 2.21 - Marge dans l’algorithme SVM......………………………55
Figure 3.1 -Aperçu des frame Works et libraires de python [22]... ……60
Figure 3.2- Schéma d’implémentation de prédiction sur python[25]. …65
Figure 3.3- Importer les Librairies …………………….…………….…..65
Figure 3.4 - Télécharger les données………………………….…………66
Figure 3.5-Explorer les premiers (05) records du data …………………66
Figure3.6-Explorer les derniers (05) records du data……………………66
Figure 3.7-Explorer les premiers 10 records du data…………………….67
Figure 3.8- Explorer( 10) records Aléatoire du data………………….…67
Figure 3.9-Explorer le nombre des colonnes et des ligne dans le data..…68
Figure 3.10-Explorer les type des tous les colonnes de data………….…68
Figure 3.11-Explorer des information sur le data…………………….….68
Figure 3.12-Aperçu des valeur numériques statistiques…..….……….…69
Figure 3.13-Supprimer les redoublant de la data ……………………..…69
Figure 3.14-Compter les valeurs manquantes dans chaque colonne…….70
Figure 3.15-Vérifier l’emplacement des valeur (nul) à chaque colonne...70
Figure 3.16-Remplacer tous les zéro par la moyenne (mean)……...…….71
Figure 3.17-Vérifier le minimum de tous les colonne ....……………...…71
Figure 3.17- La graphe de comptage des colonnes ..……………..…...…72
Figure 3.18 La graphe histogramme des colonnes..…………..…...….…73
Figure3.19- La matrice des graphe (scatterplot) ..…………………...…..74
Figure 3.20 - La matrice de corrélation..………………....………..…….76
Figure 3.21-Aperçu la division des données………………….....……….77
Figure 3.22 Aperçu la normalisation du data……………...……..……...77
Figure 3.23 Aperçu la division des données.………………..….………..78
Figure 3.24- Définir les (05) modèles...…………………………..….…..79
Figure 3.25-Faire la prédiction par les modèles ..…………...………...…79
Figure 3.26 -Evaluation des (05) modèle.…..…….………….……….….80
Figure 3.29-L’interface de l’application.....…………………….….…….81
Figure 3.29-La forme de prédiction.……………………….…….………82
Figure 3.29-L’interface de résultat…….…………….………….………..82
Liste des tableaux

Table 3.1- Définition des variables……………………………….……64

Table 3.2 - Aperçu la division du data…………………………………78

Liste des abréviations

IA Intelligence Artificielle
ML Machine Learning
OMS Organisation mondiale de la santé.
Ceed Centre européen d´étude du diabète.
ASG Auto surveillance glycémique
HAS Haute autorité de santé
DT1 Diabète de type 1
DT2 Diabète de type 2
Introduction générale
L’apprentissage automatique est une discipline de l’intelligence artificielle qui
cherche a trouver un moyen de créer des programmes informatiques qui s’améliorent
automatiquement avec l’expérience. à travers ce mémoire de Master, nous
intéresserons à l’utilisation des algorithmes d’apprentissage automatique pour la
prédiction précoce du diabète de type 2 qui est un dysfonctionnement du système de
régulation de la glycémie, Afin d'éviter les risques de complications de cette maladie
chronique sur la santé du patient

Notre problématique nous permet de définir le diagnostic médical comme un

processus de classification et l’utilisation de l’informatique devient de plus en plus
fréquente pour mettre en œuvre cette classification bien que la décision de médecin
soit le facteur le plus important dans le diagnostic. Les systèmes de classification sont
d’une grande aide car ils réduisent les erreurs dues à la fatigue et au temps nécessaire
au diagnostic.

La méthode utilisée dans ce travail est l’application des différents algorithmes de

classification d’apprentissage supervisé

 K nearest neighbors

 Decision Trees

 Random Forest

 Support Vector Machine

 naïveBayes
 aux données extrait de l’hôpital de Pima_Indian (USA) téléchargés à partir de
l’adresse [Link] et déduire le meilleur algorithme qui donnera comme
résultat une classification des patients en termes de taux du précision et de la
sensibilité du modèle . Ce travail est organisé en trois principaux chapitres comme
suit :

1. Le 1er chapitre présente un aperçu général sur la maladie du diabète, leurs

différents types, les symptômes ainsi que le diagnostic et le traitement de la
maladie et à la fin quelques préventions pour éviter le diabète.

2. Le 2éme chapitre donne un aperçu sur l’apprentissage automatique les

algorithmes d’apprentissage supervisé qui peuvent nous aider à détecter
l’apparition précoce du diabète et la méthode suivi pour manipuler les données
afin de prédite du diabète type 2.

3. Le dernier chapitre présente d’abord une étude technique dans laquelle nous
définissons l’environnement logiciel utilisé pour construire notre application,
puis une définition et une analyse détaillé de la base des données utilisées.
Ensuite, les résultats sont présentés, comparés et interprétés.

Finalement nous finissons par une représentation des interfaces

d’application d’apprentissage dans la prédiction du diabète type 2.

A la fin, ce travail est clôturé par une conclusion générale

Chapitre 1 Généralité sur le diabète

Chapitre 1 : Généralités sur le diabète

1.1 Introduction

Le diabète, souvent appelé par les médecins diabète sucré, décrit un groupe de
maladies métaboliques dans lesquelles la personne a une glycémie élevée (sucre dans
le sang), soit parce que l'insuline la production est inadéquate, ou parce que les
cellules du corps ne le font pas répondre correctement à l'insuline, ou aux deux. Les
patients avec la glycémie présentera généralement une polyurie (fréquente miction),
ils auront de plus en plus soif (polydipsie) et affamé (polyphagie).

1
Chapitre 1 Généralité sur le diabète

1.2 La signification et l'origine du diabète sucré:

Le diabète vient du grec, et cela signifie un «siphon». Aretusle appadoce,

médecin grec au IIe siècle A.D., a nommé la condition diabainein. Il a décrit les
patients qui passaient trop d'eau (polyurie) - comme un siphon. Le mot est devenu
«diabète» à partir de l'adoption anglaise du diabète latin médiéval. En 1675, Thomas
Willis ajouta mellitus au terme, bien qu'il soit communément appelé simplement
comme le diabète. Mel en latin signifie «miel»; l'urine et le sang des personnes
atteintes de diabète a un excès de glucose, et le glucose est doux comme le miel. Le
diabète sucré pourrait littéralement signifie «siphonner de l'eau douce». Dans la
Chine ancienne, les gens ont observé que les fourmis seraient attirées par certaines
personnes l'urine, parce qu'elle était douce. Le terme «maladie des urines sucrées» a
été inventé. [1]

1.3 Quelques aspects clés du diabète

• Le diabète est une maladie à long terme qui entraîne des taux de sucre dans le sang.

• En 2013, on estimait que plus de 382 millions de personnes partout dans le monde
souffraient de diabète.

• Diabète de type 1 - le corps ne produit pas insuline. Environ 10% de tous les cas de
diabète sont type 1.

• Diabète de type 2 - le corps ne produit pas suffisamment d'insuline pour un bon

fonctionnement. Environ 90% de tous les cas de diabète dans le monde en sont taper.

• Diabète gestationnel - ce type affecte les femmes pendant la grossesse.

• Les symptômes du diabète les plus courants comprennent mictions fréquentes, soif
et faim intenses, gain de poids, perte de poids inhabituelle, fatigue, coupures et
ecchymoses qui ne guérissent pas, dysfonctionnement sexuel masculin,
engourdissement et picotements dans les mains et les pieds.
2
Chapitre 1 Généralité sur le diabète
• Si vous avez le type 1 et suivez un régime alimentaire sain, faites de l'exercice
adéquat et prenez de l'insuline, vous pouvez conduire une vie normale.

• Les patients de type 2 doivent manger sainement, être physiquement active et testez
leur glycémie. Ils peuvent aussi besoin de prendre des médicaments oraux et / ou de
l'insuline pour contrôler la glycémie. [2]

1. 4 Types de diabète

1.4.1 Diabète de type 1:

Le corps ne produit pas d'insuline. Certaines personnes peuvent qualifier ce type

d'insulino-dépendant diabète, diabète juvénile ou diabète précoce. Les gens
développent généralement un diabète de type 1 avant leur 40 e année, souvent au
début de l’âge adulte ou à l’adolescence. Type 1 le diabète est loin d'être aussi
répandu que le diabète de type 2. Environ 10% tous les cas de diabète sont de type 1.
Les patients atteints de diabète de type 1 devront prendre de l'insuline injections pour
le reste de leur vie. Ils doivent également assurer glycémie adéquate en effectuant des
tests sanguins et suivre un régime spécial.

1.4.2 Diabète de type 2:

Le corps ne produit pas assez l'insuline pour un bon fonctionnement, ou les cellules
du corps ne réagit pas à l'insuline (résistance à l'insuline). Environ 90% de tous les
cas de diabète dans le monde sont de type 2. Certains les personnes peuvent être en
mesure de contrôler leur diabète de type 2 symptômes en perdant du poids, en suivant
une alimentation saine, faire beaucoup d'exercice et surveiller leur sang les niveaux
de glucose. Cependant, le diabète de type 2 est généralement un maladie évolutive –
elle s'aggrave progressivement - et le patient devra probablement prendre de
l'insuline, généralement sous forme de comprimés. Les personnes en surpoids et
obèses ont un risque beaucoup plus élevé de développer un diabète de type 2 par
rapport à ceux qui ont un poids corporel sain. Gens avec beaucoup de graisse
3
Chapitre 1 Généralité sur le diabète
viscérale, également appelée obésité centrale, la graisse du ventre ou l'obésité
abdominale sont

Particulièrement à risque. Le surpoids / l'obésité provoque la libération du corps

produits chimiques qui peuvent déstabiliser le système cardiovasculaire du corps et
les systèmes métaboliques. Être en surpoids,

Physiquement inactif et manger le les mauvais aliments contribuent tous à notre

risque de développer un type 2 diabète. Les scientifiques estiment que l'impact des
boissons gazeuses sucrées à risque de diabète peut être direct, plutôt que simplement
une influence sur le poids corporel. le risque de développer un diabète de type 2 est
également plus vieillir. Les experts ne savent pas vraiment pourquoi, mais disent
qu'en vieillissant, nous avons tendance à prendre du poids et à devenir moins actif
physiquement. Ceux qui ont un parent proche qui avaient / avaient un diabète de type
2, des personnes du Moyen-Orient, La descendance africaine ou sud-asiatique
présente également un risque plus élevé de développer la maladie. Hommes dont les
niveaux de testostérone sont faibles et présentent un risque plus élevé de développer
un diabète de type 2.

1.4.3 Diabète gestationnel:

Ce type affecte les femmes pendant grossesse. Certaines femmes ont des niveaux très
élevés de glucose dans leur sang et leur corps est incapable de

Produire suffisamment d'insuline pour transporter tout le glucose dans leurs cellules,
ce qui entraîne une augmentation progressive des niveaux de glucose. Le diagnostic
du diabète gestationnel est posé pendant la grossesse. La majorité des diabètes
gestationnels les patients peuvent contrôler leur diabète grâce à l'exercice et à un
régime. Entre 10 et 20% d'entre eux devront en prendre sorte de médicaments
contrôlant la glycémie. Un diabète gestationnel non diagnostiqué ou non contrôlé
peut augmenter le risque de complications lors de l'accouchement. [3]

4
Chapitre 1 Généralité sur le diabète

1.5 Qu'est-ce que le prédiabète:

La grande majorité des patients le diabète de type 2 avait initialement un prédiabète.

Leur sang les niveaux de glucose sont supérieurs à la normale, mais pas élevés
suffisamment pour mériter un diagnostic de diabète. Les cellules du corps deviennent
résistantes à l'insuline.

1.6 Le diabète est un trouble du métabolisme

Le diabète (diabète sucré) est classé comme un métabolisme désordre. Le

métabolisme fait référence à la façon dont notre corps utilise nourriture digérée pour
l'énergie et la croissance. La plupart de ce que nous mangeons se décompose en
glucose. Le glucose est une forme de sucre dans le sang - c'est la principale source de
carburant pour notre corps. Lorsque notre nourriture est digérée, le glucose fait son
chemin dans notre circulation sanguine. Nos cellules utilisent le glucose pour
produire de l'énergie et la crosans insuline - l'insuline permet nos cellules pour
absorber le glucose. L'insuline est une hormone produit par le pancréas. Après avoir
mangé, le pancréas libère automatiquement une quantité suffisante d'insuline pour
déplacer le glucose présent dans notre sang dans les cellules, dès au fur et à mesure
que le glucose pénètre dans les cellules, la glycémie diminue. Une personne
diabétique a une condition dans laquelle le la quantité de glucose dans le sang est trop
élevée (hyperglycémie). C'est parce que le corps ne produit pas suffisamment
d'insuline, ne produit pas d'insuline ou a des cellules qui ne répondre correctement à
l'insuline produite par le pancréas. Cette entraîne une accumulation excessive de
glucose dans le sang. Cet excès de glucose sanguin finit par sortir du corps en urine.
Ainsi, même si le sang contient beaucoup de glucose, le les cellules ne l'obtiennent
pas pour leur énergie et leur croissance essentielles conditions. Comment déterminer
si vous souffrez de diabète, de prédiabète ou ni l'un ni l'autre Les médecins peuvent
déterminer si un patient a un métabolisme, prédiabète ou diabète dans l'un des trois
manières (tests):

5
Chapitre 1 Généralité sur le diabète

� Le test A1C

- au moins 6,5% signifie diabète

- entre 5,7% et 5,99% signifie prédiabète

- moins de 5,7% signifie normal

�Le test FPG (glucose plasmatique à jeun)

- au moins 126 mg / dl signifie diabète

- entre 100 mg / dl et 125,99 mg / dl signifie prédiabète

- moins de 100 mg / dl signifie normal Une lecture anormale après le FPG signifie
que le patient a une glycémie à jeun altérée (IFG) issance. Cependant, le glucose ne
peut pas entrer dans nos cellules

�L'OGTT (test oral de tolérance au glucose)

- au moins 200 mg / dl signifie diabète

- entre 140 et 199,9 mg / dl signifie prédiabète

- moins de 140 mg / dl signifie normal Une lecture anormale suite à l'OGTT signifie
que le patient a une tolérance au glucose altérée (IGT)

[4]

1.7 La liste des complications possibles qui peuvent être causée par
un diabète mal contrôlé :

�Complications oculaires - glaucome, cataracte, diabétique rétinopathie et

quelques autres.

�Complications du pied - neuropathie, ulcères et parfois la gangrène qui peut

exiger que le pied être amputé
6
Chapitre 1 Généralité sur le diabète
�Complications cutanées - les personnes atteintes de diabète sensible aux
infections cutanées et aux troubles cutanés

�Problèmes cardiaques - tels que les cardiopathies ischémiques, lorsque l'apport

sanguin au muscle cardiaque est diminué

�Hypertension - fréquente chez les personnes atteintes de diabète, ce qui peut

augmenter le risque de maladie rénale, oculaire problèmes, crise cardiaque et accident
vasculaire cérébral

�Santé mentale - le diabète incontrôlé augmente le risque de souffrir de dépression,

d'anxiété et autres troubles mentaux

�Perte auditive - les patients diabétiques ont un risque plus élevé de développer des
problèmes d'audition

�Maladie des gencives - la prévalence est beaucoup plus élevée des maladies des
gencives chez les patients diabétiques

�Gastroparésie - les muscles de l'estomac s'arrêtent fonctionner correctement

�Acidocétose - une combinaison de cétose et acidose; accumulation de corps

cétoniques et acidité Dans le sang.

�Neuropathie - la neuropathie diabétique est un type de nerf des dommages

pouvant entraîner plusieurs problèmes.

�HHNS (Hyperosmolar Hyperglycemic Nonketotic Syndrome) - la glycémie

augmente trop, et il n'y a pas de cétones présentes dans le sang ou urine. C'est une
situation d'urgence. Néphropathie - une tension artérielle incontrôlée peut conduire à
une maladie rénale

7
Chapitre 1 Généralité sur le diabète
�MAP (maladie artérielle périphérique) - les symptômes peuvent comprennent des
douleurs dans la jambe, des picotements et parfois des problèmes pour marcher
correctement

�Accident vasculaire cérébral - si tension artérielle, taux de cholestérol et la

glycémie n'est pas contrôlée, le risque de l'AVC augmente considérablement

�Dysfonction érectile - impuissance masculine.

�Infections - personnes atteintes de diabète mal contrôlé sont beaucoup plus

sensibles aux infections

�Cicatrisation des plaies - les coupures et les lésions prennent beaucoup plus
longtemps pour guérir.

Figure 1.1 -Les Complications du diabète [5]

8
Chapitre 1 Généralité sur le diabète

1.8 Quelques faits et mythes sur le diabète:

De nombreux Des «faits» sont évoqués dans la presse papier, les magazines et sur
Internet concernant le diabète ; certains d'entre eux sont, en fait, mythes. Il est
important que les personnes atteintes de diabète, de pré diabète, leurs proches, les
employeurs et les écoles image précise de la maladie.

Quelques diabètes mythes:

�Les personnes atteintes de diabète ne doivent pas faire d'exercice -

Faux ! L'exercice est important pour les personnes diabète, comme pour tout le
monde. L'exercice aide gérer le poids corporel, améliore le système cardiovasculaire
santé, améliore l'humeur, aide à contrôler la glycémie,

et soulage le stress. Les patients doivent discuter de l'exercice avec leur médecin en
premier.

�Les personnes grasses développent toujours un diabète de type 2 finalement -

ce n'est pas vrai. Être en surpoids ou obèses augmente le risque de devenir
diabétique, ils sont facteurs de risque, mais ne signifie pas qu'une personne obèse
deviendra certainement diabétique. Beaucoup de gens avec le diabète de type 2 n'a
jamais été en surpoids. Le la majorité des personnes en surpoids ne développent pas
de type 2 diabète.

�Le diabète est une nuisance, mais pas grave - les deux tiers des patients
diabétiques meurent prématurément d'un accident vasculaire cérébral ou cardiopathie.
L'espérance de vie d'une personne le diabète est de cinq à dix ans plus court que les
autres les gens. Le diabète est une maladie grave.

9
Chapitre 1 Généralité sur le diabète
�Les enfants peuvent surmonter le diabète - ce n'est pas vrai.

Presque tous les enfants atteints de diabète ont le type 1 , les cellules bêta
productrices d'insuline dans le pancréas ont été détruit. Ceux-ci ne reviennent jamais.
Enfants diabétiques de type 1 devront prendre de l'insuline pendant le reste de leur
vie, à moins qu'un remède ne soit trouvé journée

�Ne mangez pas trop de sucre, vous deviendrez diabétique - ce n'est pas vrai.
Une personne diabétique le type 1 a développé la maladie parce que leur système
immunitaire système détruit les cellules bêta productrices d'insuline. Une
alimentation riche en calories, qui peut rendre les gens surpoids / obèse, augmente le
risque de développement de diabète de type 2, surtout s'il y a des antécédents de cette
maladie dans la famille.

�Je sais quand ma glycémie est élevée ou faible – des taux de sucre dans le sang
très élevés ou faibles peuvent causer certains symptômes, tels que faiblesse, fatigue et
soif extrême. Cependant, les niveaux doivent être fluctuant beaucoup pour que les
symptômes se fassent sentir. Le seul Pour être sûr de votre taux de sucre dans le sang,
testez-les régulièrement. Des chercheurs du L'Université de Copenhague, au
Danemark, a montré que même de très légères augmentations de la glycémie
augmentent considérablement le risque de cardiopathie ischémique.

�Les régimes diabétiques sont différents de ceux des autres personnes -les
diététiciens et nutritionnistes spécialisés recommander aux patients diabétiques sont
en bonne santé ; sain pour tout le monde, y compris les personnes sans la maladie.
Les repas doivent contenir beaucoup de légumes, fruits, grains entiers, et ils devraient
être faible en sel et en sucre, et gras saturés ou trans. Les experts disent qu'il n'est pas
nécessaire d'acheter d'aliments diabétiques car ils n'offrent aucun avantage particulier,
par rapport aux produits sains dans lesquels nous pouvons acheter la plupart
magasins.

10
Chapitre 1 Généralité sur le diabète
�Une glycémie élevée convient à certains, alors que pour d'autres, ils sont un
signe de diabète - des taux élevés de sucre dans le sang ne sont jamais normaux pour
personne. Quelque les maladies, le stress mental et les stéroïdes peuvent causer
augmentations temporaires de la glycémie chez les personnes sans diabète. Toute
personne dont le taux de sucre dans le sang ou le taux de sucre dans l'urine est
supérieur à la normale doit être vérifiée pour le diabète par un centre de santé
professionnel. Les diabétiques ne peuvent pas manger de pain, de pommes de terre ou
de pâtes - les personnes atteintes de diabète peuvent manger des féculents.

Cependant, ils doivent garder un œil sur la quantité. Les féculents à grains entiers
sont meilleurs, car c'est le cas des personnes sans diabète.

�Une personne peut transmettre le diabète à une autre personne - PAS VRAI.
Tout comme une jambe cassée n'est pas infectieux ou contagieux. Un parent peut
transmettre, à travers leurs gènes à leur progéniture, une susceptibilité de développer
la maladie.

�Seules les personnes âgées développent un diabète de type 2 – choses changent.

Un nombre croissant d'enfants et les adolescents développent un diabète de type 2.
Experts dire que cela est lié à l'explosion de l'enfance taux d'obésité, mauvaise
alimentation et sédentarité.

�Je dois prendre de l'insuline, cela doit signifier mon diabète est grave - les gens
prennent de l'insuline lorsqu'ils suivent un régime seul ou avec un régime avec
injection orale ou non d'insuline les médicaments contre le diabète ne fournissent pas
assez le contrôle du diabète, c’est tout. L'insuline aide le diabète contrôlé. Il n'a
généralement rien à faire avec la gravité de la maladie.

�Si vous êtes diabétique, vous ne pouvez pas manger de chocolats ou

bonbons - les personnes atteintes de diabète peuvent manger des chocolats

11
Chapitre 1 Généralité sur le diabète
et des bonbons s'ils les combinent avec de l'exercice ou mangez-les dans le cadre d'un
repas sain.

�Les patients diabétiques sont plus sensibles au rhumeet les maladies en

général - une personne diabétique avec un bon contrôle du diabète n'est pas plus
susceptible de tomber malade d'un rhume ou autre chose gens. Cependant, lorsqu'un
diabétique attrape un rhume, leur diabète devient plus difficile à contrôler, alors ils
ont un risque plus élevé de complications. Symptômes du diabète : les gens peuvent
souvent souffrir de diabète et être complètement inconscient. La raison principale en
est que les symptômes, vus seuls, semblent inoffensifs. Cependant, plus le diabète est
diagnostiqué tôt, plus le il y a des chances que des complications graves, qui peuvent
résulter d'avoir le diabète, peut être évité.

1.9 Liste des symptômes du diabète les plus courants:

�Mictions fréquentes: êtes-vous allé au salle de bain pour uriner plus souvent
récemment? Est-ce que tu remarques que vous passez la majeure partie de la journée
à toilette ? Lorsqu'il y a trop de glucose (sucre) dans votre sang, vous urinerez plus
souvent. Si ton l'insuline est inefficace, ou pas du tout, votre les reins ne peuvent pas
filtrer le glucose dans le du sang. Les reins prélèveront de l'eau de votre sang afin de
diluer le glucose - qui à son tour remplit votre vessie.

�Soif disproportionnée : si vous urinez plus que d'habitude, vous devrez remplacer
ce liquide perdu. Vous boirez plus que d'habitude. Avez-vous bu plus que d'habitude
ces derniers temps?

�Faim intense: comme l'insuline dans votre sang n'est pas fonctionné correctement,
ou n'existe pas du tout, et votre les cellules ne reçoivent pas leur énergie, votre corps
peut réagir en essayant de trouver plus d'énergie - de la nourriture. Vous serez avoir
faim.
12
Chapitre 1 Généralité sur le diabète
�Gain de poids: cela peut être le résultat de ce qui précède symptôme (faim
intense).

�Perte de poids inhabituelle: elle est plus courante chez les personnes atteintes de
diabète de type 1. Comme votre corps n'est pas en fabriquant de l'insuline, il
cherchera une autre énergie source (les cellules ne reçoivent pas de glucose). Muscle
les tissus et la graisse seront décomposés pour produire de l'énergie. Comme Le type
1 est d'apparition plus soudaine et le type 2 est beaucoup plus graduelle, la perte de
poids est plus perceptible avec Type 1.

�Augmentation de la fatigue : si votre insuline ne fonctionne pas correctement, ou

n'y est pas du tout, le glucose ne sera pas entrer dans vos cellules et leur fournir
énergie. Cela vous fera vous sentir fatigué et apathique.

�Irritabilité: l'irritabilité peut être due à votre manque de énergie.

�Vision floue : cela peut être causé par des tissus tiré de vos lentilles oculaires. Cela
affecte vos yeux » capacité à se concentrer. Avec un traitement approprié, cela peut
être traité. Il existe des cas graves de cécité ou de des problèmes de vision prolongés
peuvent survenir. Les coupures et les ecchymoses ne guérissent pas correctement ou
rapidement : Trouvez-vous que les coupures et les ecchymoses prennent beaucoup
plus de temps que d'habitude pour guérir ? Quand il y a plus de sucre (glucose) dans
votre corps, sa capacité à guérir peut être miné.

�Plus d'infections cutanées et / ou à levures : plus de sucre dans votre corps, sa

capacité à récupérer les infections sont affectées. Les femmes atteintes de diabète le
trouvent particulièrement difficile à récupérer de la vessie et infections vaginales.

�Démangeaisons cutanées: une sensation de démangeaisons sur votre peau parfois

un symptôme du diabète.

�Les gencives sont rouges et / ou en fées - Les gencives se détachent

13
Chapitre 1 Généralité sur le diabète
des dents: si vos gencives sont sensibles, rouges et / ou enflé cela pourrait être un
signe de diabète. Vos dents pourraient se détacher lorsque les gencives s'écartent de
eux.

1.10 les traitement du diabète

1.10.1 Le traitement du diabète de type 1

Pour compenser, celle-ci doit être administrée artificiellement au quotidien par une
injection sous cutanée d’insuline via une seringue, un stylo ou une pompe. Il s’agit
d’un traitement d’insulinothérapie. Le diabète de type 1 touche plus souvent l’enfant,
l’adolescent voire le jeune adulte.

Figure 1.2 - Seringue d’insuline [6]

1.10.2 Le traitement du diabète de type 2

Le traitement repose prioritairement sur des aliments équilibrée et pratique d’une

activité physique régulière .si ces deux éléments sont insuffisants, il faudra ajouter un
traitement par anti-diabétique oral. Le traitement à l’insuline peut s’avérer nécessaire,
si les glycémies restent néanmoins élevées.[4]

14
Chapitre 1 Généralité sur le diabète

Figure 1.3 - Le traitement hygiéno-diététiques [7]

1.10.3 Le traitement du diabète gestationnel

Selon le Centre européen d’étude du Diabète (Ceed) le traitement par le recours à

l’insuline est nécessaire dans 50% des cas et dans quelques cas plus rares un
traitement par anti-diabétique oral peut être mis en place. Dans tous les cas, des
mesures hygiénodiététiques doivent rapidement être mises en place, avec la
particularité qu’elles doivent prendre en compte `a la fois le diabète de la mère et les
besoins nutritionnels du fœtus.[4]

15
Chapitre 1 Généralité sur le diabète

1.11 Conclusion

Dans ce chapitre nous avons présenté la maladie du diabète, leur différent types, les
symptômes ainsi que le diagnostic et le traitement de la maladie et a la fin nous avons
cité quelques préventions pour éviter le diabète. Dans le prochain chapitre, nous
présenterons des approches différentes d'aide au diagnostic préventif concernant les
algorithmes de machine learning dans la prédiction du diabète de type 2

16
Chapiter2 L’apprentissage automatique

chapitre 2 : l’apprentissage automatique

2.1 Introduction
L'apprentissage automatique (ou artificiel)(machine-learningen anglais) est un
des champs d'étude de l'intelligence artificielle. Commençons par la définition de l’AI
et celle fournie dans l‟avant-propos de (Cornuéjolset al.,2002)

Dans ce chapitre on va voir l’apprentissage automatique les algorithmes

d’apprentissage supervisé qui peuvent nous aider a détecter l’apparition précoce du
diabète et la méthode suivi pour manipuler les données afin de prédite du diabète
type 2

C’est pour ça on va voir comment faire pour appliquer les différents algorithmes de
classification d’apprentissage supervisé

 K nearest neighbors

 Decision Trees

 Random Forest

 Support Vector Machine

 naïveBayes

17
Chapiter2 L’apprentissage automatique

2.3 L’apprentissage Automatique

L'apprentissage automatique comporte généralement deux phases. La première

consiste à estimer un modèle à partir de données, appelées observations, qui sont
disponibles et en nombre fini, lors de la phase de conception du système. L'estimation
du modèle consiste à résoudre une tâche pratique, telle que traduire un discours,
estimer une densité de probabilité, reconnaître la présence d'un chat dans une
photographie ou participer à la conduite d'un véhicule autonome. Cette phase dite
« d'apprentissage » ou « d'entraînement » est généralement réalisée préalablement à
l'utilisation pratique du modèle. La seconde phase correspond à la mise en
production : le modèle étant déterminé, de nouvelles données peuvent alors être
soumises afin d'obtenir le résultat correspondant à la tâche souhaitée. En pratique,
certains systèmes peuvent poursuivre leur apprentissage une fois en production, pour
peu qu'ils aient un moyen d'obtenir un retour sur la qualité des résultats produits.

Selon les informations disponibles durant la phase d'apprentissage, l'apprentissage

est qualifié de différentes manières. Si les données sont étiquetées (c'est-à-dire que la
réponse à la tâche est connue pour ces données), il s'agit d'un apprentissage supervisé.
On parle de classification ou de classement3 si les étiquettes sont discrètes, ou
de régression si elles sont continués. Si le modèle est appris de manière incrémentale
en fonction d'une récompense reçue par le programme pour chacune des actions
entreprises, on parle d'apprentissage par renforcement. Dans le cas le plus général,
sans étiquette, on cherche à déterminer la structure sous-jacente des données (qui
peuvent être une densité de probabilité) et il s'agit alors d'apprentissage non
supervisé. L'apprentissage automatique peut être appliqué à différents types de
données, tels des graphes, des arbres, des courbes, ou plus simplement des vecteurs
caractéristiques, qui peuvent être des variables qualitatives ou quantitatives continues
ou discrètes.

L'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques

pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-
18
Chapiter2 L’apprentissage automatique
dire d'améliorer leurs performances à résoudre des tâches sans être explicitement
programmés pour chacune. Plus largement, il concerne la conception, l'analyse,
l'optimisation, le développement et l'implémentation de telles méthodes. [9]

Figure 2.1 –L’apprentissage automatique avec les disciplines connexe [10]

2.3.1 Motivation

 Certaines tâches sont difficiles à programmer manuellement. Reconnaissance

de formes, Traduction par machine, Reconnaissance de la parole, Aide à la
décision, etc.
 Les données sont disponibles, qui peuvent être utilisé pour estimer la fonction
de notre tâche.

19
Chapiter2 L’apprentissage automatique

2.3.2Domaines d’applications de l'apprentissage automatique :

L'apprentissage automatique s'applique à un grand nombre d'activités humaines et

convient en particulier au problème de la prise de décision automatisée. Il s'agira, par
exemple :
 D'établir un diagnostic médical à partir de la description clinique d'un patient ;
 De donner une réponse à la demande de prêt bancaire de la part d'un client sur la
base de sa situation personnelle ;
 De déclencher un processus d'alerte en fonction de signaux reçus par des capteurs ;
 De la reconnaissance des formes [11]

Figure 2.2-Domaines d’applications de l'apprentissage automatique [12]

20
Chapiter2 L’apprentissage automatique

2.3.4 Les différents types d’apprentissage automatique

Les algorithmes d'apprentissage peuvent se catégoriser selon le mode d'apprentissage

qu'ils emploient :

 L'apprentissage supervisé

Si les classes sont prédéterminées et les exemples connus, le système apprend à

classer selon un modèle de classement ; on parle alors d'apprentissage supervisé (ou
d'analyse discriminante).

Un expert (ou oracle) doit préalablement correctement étiqueter des exemples.

L'apprenant peut alors trouver ou approximer la fonction qui permet d'affecter la
bonne «étiquette » à ces exemples. Parfois il est préférable d'associer une donnée non
pas à une classe unique, mais une probabilité d'appartenance à chacune des classes
prédéterminées (on parle alors d'apprentissage supervisé probabiliste). L'analyse
discriminante linéaire ou les SVM sont des exemples typiques. Autre exemple : en
fonction de points communs détectés avec les symptômes d'autres patients connus
(les « exemples »), le système peut catégoriser de nouveaux patients au vu de leurs
analyses médicales en risque estimé (probabilité) de développer telle ou telle maladie.

 L'apprentissage non-supervisé

Quand le système ou l'opérateur ne dispose que d'exemples, mais non d'étiquettes,

et que le nombre de classes et leur nature n'ont pas été prédéterminés, on parle
d'apprentissage non supervisé (ou clustering). Aucun expert n'est disponible ni requis.
L'algorithme doit découvrir par lui-même la structure plus ou moins cachée des
données

Le système doit ici dans l'espace de description (la somme des données) cibler les
données selon leurs attributs disponibles, pour les classer en groupe homogènes

21
Chapiter2 L’apprentissage automatique
d'exemples. La similarité est généralement calculée selon la fonction de distance
entre paires d'exemples. C'est ensuite à l'opérateur d'associer ou déduire du sens pour
chaque groupe. Divers outils mathématiques et logiciels peuvent l'aider. On parle
aussi d'analyse des données en régression. Si l'approche est probabiliste (c'est à dire
que chaque exemple au lieu d'être classé dans une seule classe est associé aux
probabilités d'appartenir à chacune des classes), on parle alors de « soft clustering »
(par opposition au « hard clustering »)

Exemple : Un épidémiologiste pourrait par exemple dans un ensemble assez large

de victimes de cancers du foie tenter de faire émerger des hypothèses explicatives,
l'ordinateur pourrait différencier différents groupes, qu'on pourrait ensuite associer
par exemple à leur provenance géographique, génétique, à l'alcoolisme ou à
l'exposition à un métal lourd ou à une toxine telle que l'aflatoxine.

 L'apprentissage semi-supervisé

Effectué de manière probabiliste ou non, il vise à faire apparaitre la distribution

sous-jacente des « exemples » dans leur espace de description. Il est mis en œuvre
quand des données (ou « étiquettes ») manquent... Le modèle doit utiliser des
exemples non-étiquetés pouvant néanmoins renseigner .Exemple : En médecine, il
peut constituer une aide au diagnostic ou au choix des moyens les moins onéreux de
tests de diagnostics.

 L'apprentissage par renforcement

L'algorithme apprend un comportement étant donné une observation.
L'action de l'algorithme sur l'environnement produit une valeur de retour qui
guide l'algorithme.

22
Chapiter2 L’apprentissage automatique

Figure2.3-les algorithmes d’apprentissage automatique [13]

2.4 L’apprentissage supervisé

2.4.1 Comment fonctionne l’apprentissage supervisé

Avec l’apprentissage supervisé, la machine peut apprendre à faire une certaine tâche
en étudiant des exemples de cette tâche. Par exemple, elle peut apprendre à
reconnaître une photo de chien après qu’on lui ait montré des millions de photos de
chiens. Ou bien, elle peut apprendre à traduire le français en chinois après avoir vu
des millions d’exemples de traduction français-chinois .D’une manière générale, la
machine peut apprendre une relation qui en ayant analysé des millions d’exemples
d’associations .La machine apprend à partir de milliers d’exemples x, y

23
Chapiter2 L’apprentissage automatique

Figure 2.4-la fonctionnement de l’apprentissage supervisé [14]

2.4.2 Les étapes de l’apprentissage supervisé :

L’apprentissage supervisé fonctionne en 6 étapes

1. Récolte des données qui contient nos exemples

2. préparation des données
3. Choisissez le ou les Modèles pertinents.
4. trainer le Modèle
5. tester le Modèle
6. Améliorer le Modèle
Pas de panique ! Je vais vous expliquer tout ça dans les détails, étape par étape,

24
 Chapiter2 L’apprentissage automatique

Figure 2.5-Les étapes de l’apprentissage supervisé [15]

 Récolte des données :

tout d’abord, rassemblez les données dont vous aurez besoin pour l’apprentissage
automatique. Veillez à les rassembler sous une forme consolidée, afin qu’elles soient
toutes contenues dans un seul tableau (Flat Table).

 Préparation des données (Data Wrangling) :

 il s’agit de préparer les données afin de les rendre exploitables par les algorithmes
d’apprentissage automatique.

o Nettoyage des données : trouvez les « Null », les valeurs manquantes et les données
dupliquées. Il faut remplacer les « Null » et les valeurs manquantes par d’autres
valeurs (ou les supprimer) et s’assurer de ne pas avoir de doublons.

o Décomposition des données : les colonnes de texte contiennent parfois plus d’une
information ; nous devons donc les diviser en autant de colonnes dédiées que

25
 Chapiter2 L’apprentissage automatique
nécessaire. Si certaines colonnes représentent des catégories, convertissez-les en
colonnes de type catégorie.

o Agrégation de données : regroupez certaines informations ensemble quand c’est

pertinent

o Mise à l’échelle (Data Scaling) : cela permettra d’obtenir des données à une échelle
commune, si ce n’est déjà le cas. La mise à l’échelle des données ne s’applique pas
au label ou aux colonnes de catégories. Elle est nécessaire lorsqu’il y a une grande
variation dans les plages de features.

o Mise en forme et transformation (Data Shaping& Transformation) : de catégoriel à

numérique.

 Enrichissement des données : parfois, vous devrez enrichir les données existantes par
des données externes afin de donner à l’algorithme plus d’informations avec
lesquelles travailler, ce qui améliore le modèle (par exemple, des données
économiques ou météorologiques).

 Visualisez vos données dans leur ensemble pour voir s’il existe des liens entre les
colonnes. En utilisant des graphiques (Charts), vous pouvez voir les
caractéristiques/features côte à côte et détecter tout lien entre les features, et entre
les features et les labels.

o Les liens entre les features nous permettent de voir si une feature donnée est
directement dépendante d’une autre. Si c’est le cas, il se peut que vous n’ayez pas
besoin des deux features.

o Les liens entre une feature et le label nous permettent de voir si une feature aura un
fort effet sur le résultat.

 Parfois, vous devrez générer des features supplémentaires à partir de celles qui
existent déjà dans une classification (par exemple, lorsque l’algorithme choisi est
incapable de différencier correctement les classes).
26
 Chapiter2 L’apprentissage automatique
 Vous pouvez vous retrouver avec un nombre énorme de colonnes. Dans ce cas, vous
devez choisir les colonnes que vous utiliserez comme features, mais si vous avez des
milliers de colonnes (c’est-à-dire des features potentielles), vous devrez appliquer
une réduction dimensionnelle. Il existe plusieurs techniques pour ce faire, notamment
l’analyse en composantes principales ou ACP (Principal Component Analysis, PCA
en anglais). L’ACP est un algorithme d’apprentissage non-supervisé qui utilise les
colonnes existantes pour générer de nouvelles colonnes, appelées composantes
principales, qui peuvent être utilisées ultérieurement par l’algorithme de
classification.

 Divisez votre ensemble de données en trois parties : entraînement, test et validation.

o Les données d’entraînement serviront à entraîner le ou les algorithmes choisis ;

o Les données de test seront utilisées pour vérifier la performance du résultat ;

o Les données de validation ne seront utilisées qu’à la toute fin du processus et ne

seront, sauf nécessité, que très rarement examinées et utilisées avant afin d’éviter
d’introduire un quelconque biais dans le résultat.

 Choisissez le ou les Modèles pertinents.

On peut lister un grand nombre d'algorithmes de l'apprentissage automatique et parmi

eux on a

 Les machines à vecteurs support

 Le boosting
 Les réseaux de neurones pour un apprentissage supervisé ou non- supervisé
 La méthode des k plus proches voisins pour un apprentissage supervisé
 Les arbres de décision
 Les méthodes statistiques comme par exemple le modèle de mixture gaussienne
 La régression logistique
27
Chapiter2 L’apprentissage automatique
 L'analyse discriminante linéaire
 La logique floue
 Les algorithmes génétiques et la programmation génétique

Avant de commencer tout travail utilisant le Machine Learning, il est nécessaire

de trouver l'algorithme permettant d'accomplir cette tâche.

Plusieurs outils sont donc à notre disposition notamment cet organigramme créé
par Andreas Mueller qui permet assez facilement et rapidement de trouver
l'algorithme associé à notre problème.

Ceci permet donc de créer le programme le plus optimisé possible par rapport
aux tâches à accomplir. C'est un point non négligeable et surtout incontournable dans
la création d'un programme utilisant le Machine Learning.

Figure 2.6- le plan de choix des algorithme des maching learning[16]

Selon les données utilisées qui on va les détaillés plus tard on a choisis les
algorithmes suivants

 K nearest neighbors
28
Chapiter2 L’apprentissage automatique
 Support Vector Machine
 naïveBayes plus +
 (Decision Trees, Random Forest) qui sont les algorithmes à celui qui n’avait pas
un bon algorithme

 Trainer le Modèle

C'est à cette étape que la magie opère ! L'ensemble de données se connecte à un

algorithme et l'algorithme exploite une modélisation mathématique sophistiquée pour
apprendre et développer des prédictions.

Ces algorithmes appartiennent généralement à l'une des trois catégories suivantes :

 Binaire - Classer en deux catégories

 Classification - Classer en plusieurs catégories
 Régression - Prédire un numérique

A la différence du modèle illustré plus haut, un modèle de Machine Learning ne

repose pas sur une démonstration mathématique ou une équation physique. A la
place, il est construit à partir de données, comme un modèle statistique.

Si par exemple votre Data set vous donne le nuage de point suivant, alors la machine
devra trouver le modèle qui rentre le mieux dans ce nuage de point.

29
Chapiter2 L’apprentissage automatique

Figure 2.7- Aperçu de l’entrainement de modèle [17]

Cependant, ce n’est pas à la machine de faire tout le travail !

Dans les faits, c’est à nous de choisir le type de modèle (c’est-à-dire la fonction
mathématique) et c’est à la machine de trouver les coefficients de cette fonction qui
donnent les meilleurs résultats. Par convention on appelle ces coefficients
les paramètres du modèle.
Par exemple, on peut choisir de développer un modèle linéaire et on laisse la
machine trouver la valeur de et qui donne les meilleurs résultats. Ou bien on peut
choisir un modèle non-linéaire, par exemple, ou sont les paramètres. Les possibilités
sont infinies, mais nous verrons plus tard dans cette formation comment choisir un
modèle plutôt qu’un autre.

30
Chapiter2 L’apprentissage automatique

Figure 2.8-Apercu de deux types de models

Maintenant, la question est : comment faire pour que la machine trouve le meilleur
modèle ? Autrement dit, comment faire pour que la machine apprenne

 Tester le Modèle

Il est maintenant temps de valider votre modèle entraîné. À l'aide des données de test
de l'étape 3, nous vérifions la précision du modèle.

Pour que la machine trouve le meilleur modèle, il faut déjà qu’elle

puisse mesurer la performance d’un modèle donné. Vous ne me croyez pas ?
Imaginez que vous participiez à un concours de tir à l’arc. Comment savoir si vous
êtes meilleur que votre voisin sans mesurer la distance entre vos flèches et le centre
de la cible ? C’est impossible. Vous devez mesurer vos performances pour juger
lequel de vous deux est le meilleur.

31
Chapiter2 L’apprentissage automatique

Figure 2.9- Aperçu la mesure de distance entre le centre etles flèches

C’est la même chose en Machine Learning. Pour savoir quel modèle est le meilleur
parmi 2 candidats, il faut les évaluer. Pour cela, on mesure l’erreur entre un modèle
et le Data, et on appelle ça a Fonction Coût.
Dans le cas d’une régression, on peut par exemple mesurer l’erreur entre la
prédiction du modèle et la valeur qui est associée à ce dans notre Data. C’est similaire
à l’idée de mesurer la distance entre votre flèche et le centre de la cible, qui n’est
autre que le point qu’elle est sensée atteindre.

Figure 2.10- Aperçu de l’équivalence entre les deux mesures

32
Chapiter2 L’apprentissage automatique
Maintenant, dans le cas d’une classification, on peut construire notre Fonction Coût
en mesurant le nombre d’exemples du Data set que notre modèle aura mal classé avec
sa frontière de décision

Figure 2.11- Aperçu de modèle de classification

Si les résultats ne sont pas satisfaisants, vous devez améliorer et recycler votre
modèle ML (étape 4).

 Améliorer le Modèle

C'est en forgeant qu'on devient forgeron! Voici quelques mesures à prendre pour
affiner votre modèle et améliorer la précision :

Passez en revue les résultats de votre modèle avec les parties prenantes de votre
entreprise. Y a-t-il d'autres éléments de données qui méritent d'être ajoutés à votre
modèle pour le rendre plus précise

33
Chapiter2 L’apprentissage automatique
Reconsidérez votre choix d'algorithme. Dans chaque classe d'algorithme, il existe des
dizaines de choix d'algorithmes. Un algorithme différent peut mieux fonctionner pour
vous

Ajustez les paramètres de votre algorithme choisi pour améliorer les performances.
Parfois, de petits ajustements ont un impact significatif.

Parlons peu, parlons bien. Avoir un bon modèle, c’est avoir un modèle qui de petites
erreurs. Logique ?

Ainsi, en Supervised Learning, la machine cherche les paramètres de modèle

qui minimisent la Fonction Coût. C’est ça qu’on appelle l’apprentissage. Cette
phrase est très importante. C’est l’essentiel de ce qu’il faut comprendre en Machine
Learning. Pour trouver les paramètres qui minimisent la fonction Coût, il existe un
paquet de stratégies.
On pourrait par exemple développer un algorithme qui tente au hasard plusieurs
combinaisons de paramètres, et qui retient la combinaison avec la Fonction Cout la
plus faible. C’est un peu comme organiser un concours d’archers pour ne garder que
le meilleur. Cette stratégie est cependant assez inefficace la plupart du temps.

Une autre stratégie, très populaire en Machine Learning, est de considérer la

Fonction Coût comme une fonction convexe, c’est-à-dire une fonction qui n’a qu’un
seul minimum, et de chercher ce minimum avec un algorithme de minimisation
appelé Gradient Descent. Nous le verrons en détails dans les prochains articles.
Cette stratégie apprend de façon graduelle, et assure de converger vers le minimum
de la fonction Coût (si convexe).

34
Chapiter2 L’apprentissage automatique

Figure 2.12-Aperçu de la minimisation de Coût

Dans le jargon, on appelle cette étape la phase d’entrainement du modèle. La
machine choisit des paramètres pour le modèle, puis évalue sa performance (Fonction
Coût) puis cherche des paramètres qui peuvent améliorer sa performance actuelle,
etc.

Une fois la phase d’entrainement terminée… Vous avez un modèle de MACHINE

LEARNING ! BRAVO ! [18]

2.5 les algorithmes de l’apprentissage automatique utilisés

2.5.1Knearestneighbors (KNN)

K nearest neighbors (KNN) ou K plus proche voisins en français est l’un des
méthodes d’apprentissage supervisé le plus simple, utilisé pour résoudre des
problèmes de classification et de la régression. son fonctionnement est de classer les
nouveaux points de données en fonction de la similarité aux points de données
voisins.

35
Chapiter2 L’apprentissage automatique
 KNN est un algorithme qui ne fait aucunes hypothèses sur la structure des
données et de la distribution, ce qui signifie qu’il s’agit d’un algorithme non
paramétrique.
 Il est également appelé algorithme de l’apprenant paresseux, car il
n’apprend pas immédiatement de l’ensemble d’apprentissage, mais stocke
l’ensemble de données et, au moment de la classification, il exécute une
action sur l’ensemble de données.
 KNN fonctionne par classification ou prédiction sur la base d’un nombre
fixe (K) de points de données les plus proches de point d’entrée. Cela
signifie que pour une valeur choisie de K, un point d’entrée serait classée ou
devrait appartenir à la même classe que la classe la plus proche des nombre
des points K voisins .[20] .

Exemple

Figure 2.13- Exemple simple sur KNN

36
Chapiter2 L’apprentissage automatique

L’interprétation de l’exemple

Dans cet exemple nous avons une donnée non classée et tous les autres données
sont classée (étoile et triangle) chacun avec leur classe (classe A et B).

 Si k=3 les données les plus proche du nouvelle donnée sont qui ont à
l’intérieure de premier cercle, et la classe la plus prédominante c’est triangle
(Classe B) car 2 triangles et seulement 1 étoile donc la donnée non classée sera
classer un triangle (Classe B).
 Si k=7 les données les plus proches du nouvelle donnée sont qui ont à
l’intérieure de deuxième cercle, et la classe la plus prédominante c’est l’étoile
(Classe A) car on a 4 étoiles et 3 triangles donc le donnée non classée sera
classer un étoile (Classe A).

La distance entre le point non classée et les plus proches voisins

La distance entre le point non classée et les plus proches voisins est mesuré
en utilisant différents méthode comme : la distance uclidienne, la distance de
Manhattan, la distance de Minkowski, celle de Jaccard, la distance de
Hamming. . . etc, le fonction de distance est choisi en fonction de type de
données qu’il manipule. Pour les données de même type la distance euclidienne
est le bon candidat, et pour les données qui ne sont pas de même type la
distance de Manhattan est le bonne mesure pour l’utiliser

Les représentations mathématiques de quelques distances

37
Chapiter2 L’apprentissage automatique
Remarque

Le choix de la bonne valeur de K est un processus appelé réglage des

paramètres est important pour une meilleure précision, la sélection des valeurs
plus petites pour k aura une plus grand influence sur le résultat. Et pour la
sélection des valeurs plus élevé de k auront des limites de décision plus lisses,
ce qui signifie une variance plus faible mais un biais.

 Algorithme de construction de KNN

1. Sélectionnez le nombre K des voisins
2. Pour chaque exemple de l’ensemble de données :
2.1. Calculez la distance entre l’exemple de requête et l’exemple actuel à
partir des données.
2.2. Ajouter la distance et l’index de l’exemple à une collection ordonnée

3. Trier cette collection de distances et d’indices du plus petit au plus grand

(par ordre croissant) ordonnée par les distances.

4. Choisi les k premiers entrée de collections

5. Attribuer l’exemple de requête à la classe ou laquelle le nombre de k voisins

est maximal (classe le plus fréquent).

 Avantage de KNN
1. Simple à implémenter
2. Gérer naturellement les cas multi classes
3. Peut être utilisé pour la classification et la régression

38
Chapiter2 L’apprentissage automatique
 Inconvénients de KNN
1. le choix de la valeur de k (le nombre de voisins le plus proche)
2. Le cout de calcul est élevé (pour chaque instance de l’ensemble de
données on a besoin de calculer la distance)
2. Stockage de données
3. Sensible aux fonctionnalités non pertinentes

2.5.2 Decision Trees (Arbre de décision)

Decision Trees ou L’arbre de décision c’est un algorithme parmi les

algorithmes d’apprentissage supervisé le plus utilisé et le plus pratique, qui
est adapté pour résoudre tout type de problèmes (classifications ou
régressions) telle-que :

 Un arbre de décision est une structure arborescente semblable à un

organigramme ou un nœud interne représente une caractéristique (ou un
attribut), la branche représente une règle de décision et chaque nœud feuille
représente le résultat, cette structure aide pour prendre la décision.
 C’est un algorithme non-paramétrique signifie qu’il n’y a pas d’hypothèse
sous-jacente sur la distribution des données.

Mesure de sélection d’attribut

Le principal problème qui se pose lorsque la construction d’un arbre de décision

si comment choisi ou sélectionné le meilleur attribut pour le nœud racine et qui
sépare mieux l’ensemble de données ? Pour résoudre ce problème il existe un
technique qui appelé Mesure de sélection d’attribut ou ASM qui contient deux
mesures principales et populaires sont :

1. Indice de Gini
2. Gain d’information

39
Chapiter2 L’apprentissage automatique
 Exemple
C’est un petit exemple pour prédire si une personne est diabétique ou non, cette
modèle contient trois attributs qui sont minimun systolic blood pressure , ageet
glucose avec deux classes diabétique et non-diabétique Dans cette exemple les
attributs représente les nœuds interne, lequel basé pour l’arbre divise en branche,
la fin de branche qui ne sépare plus est le feuille (la décision) où on peut prédire
si un personne est diabétique ou non.

Figure 2.14- Arbre de décision

Cet arbre répondre à la question si un personne diabétique ou non ?

L’interprétation de l’exemple

Les arbres de décision sont bien adaptés aux problèmes de catégorisation où les
attributs sont vérifiés pour déterminer une catégorie finale a cause de sa
construction naturelle
(si. . . alors. . . sinon. . .) . Par exemple la Lecteur de l’exemple :
Si minimum, systolic blood pressure >91 = no , alors : personne=diabetic ;

Si minimum systolic blood pressure >91 = yes AND age >40 = no ,alors:
personne = non-diabetic

Si minimum systolic blood pressure >91 = yes AND age >40 = yes AND
glucose =no ,alors: personne = non-diabetic ;

40
Chapiter2 L’apprentissage automatique
Si minimum systolic blood pressure >91 = yes AND age >40 = yes AND
glucose =yes ,alors: personne = diabetic ;

 Algorithme de construction d’un arbre de décision

1. Sélectionne le meilleur attribut (nœud racine) :
 pour chaque attribut le gain d’information est calculé, et celui qui il est
maximal est sélectionner et des branches sont créer pour chaque valeurs de
cette attribut .
2. Continuez la division : pour chaque branche s’étendant à partir de nœud, en
répétant récursivement le processus
 3. Arrête la division si .
3.1 nous obtenons un nœud pur, c'est-`a-dire un nœud qui ne contient que des
points de données positifs ou négatifs .
3.2 nous obtenons très peu de points dans un nœud .
3.3 on atteint une certaine profondeur de l’arbre .
Avantage des arbres de décision .
1. faciles à expliquer et comprendre .
2. Fonctionne avec des données catégorielles et numériques .
.
3. peu couteux en termes de calcul
 Inconvénient des arbres de décision .
1. Il faut souvent plus de temps pour former le modèle.
2. L’arbre devient plus complexe à mesure qu’il s’approfondit.
3. Un petit changement dans les données peut entraîner un changement global
de la structure de l’arbre de décision .
2.5.3 Random Forest (forêts aléatoires) .

Random Forest ou forêts aléatoires est un algorithme d’apprentissage supervisé

très populaire Il est également utilisé pour les problèmes de régression ou de
classification. Basé sur un ensemble des algorithmes d’apprentissage, qui est
41
Chapiter2 L’apprentissage automatique
un processus de combinaison de plusieurs algorithmes pour résoudre un
problème complexe et améliorer les performances du modèle. C’est un
algorithme qui créer de nombreux arbres de décision (c’est la raison pour
laquelle il est appelé une forêt) sur divers sous-ensembles de l’ensemble de
données. Elle prend la prédiction de chaque arbre et sur la base des votes
majoritaires des prédictions, et elle prédit le résultat final et La figure suivant
explique le fonctionnement et la structure d’algorithme

Figure 2.15- Structure de l’algorithme random forest

Exemple

Figure 2.16- Un simple exemple sur l’algorithme random forest [19]

42
Chapiter2 L’apprentissage automatique

L’interprétation d’exemple

Dans cet exemple l’ensemble de données contenant un ensemble d’images

de fruits classifié par l’algorithme random forest, cette ensemble est divisé en
sous-ensembles et donné à chaque arbre de décision et dans la phase
d’apprentissage chaque arbre produit un résultat de prédiction, et lorsqu’un
nouveau point de données se produit, puis sur la base de la majorité des
résultats, Random Forest prédit la décision finale (comme l’exemple dans
l’image).

L’Algorithme de construction de Random forest

1. Sélectionnez des échantillons aléatoires à partir d’un ensemble de données

d’entrainement.

2. Créer des arbres de décision pour chaque échantillon (sous-ensembles).

Ensuite on obtient le résultat de prédiction de chaque arbre de décision
3. Pour les nouveaux points le vote sera effectué pour chaque résultat prédit.

4. sélectionnez le résultat de prédiction le plus voté comme résultat de

prédiction final. [30]

Avantage de Random forest

1. Il s’agit de l’un des algorithmes d’apprentissage les plus précis disponibles.

Pour de nombreux ensembles de données, il produit un classificateur très
précis.
2. Il fonctionne efficacement sur de grandes bases de données.
3. Il dispose d’une méthode efficace pour estimer les données manquantes
et maintient la précision lorsqu’une grande partie des données sont
manquantes.

43
Chapiter2 L’apprentissage automatique

Inconvénient de Random forest

Le principal inconvénient de l’algorithme random forest est qu’un grand

nombre d’arbres peut rendre l’algorithme trop lent et inefficace pour les
prédictions en temps réel. En général, ces algorithmes sont rapides à entraîner,
mais assez lents à créer des prédictions une fois qu’ils sont formés. Une
prévision plus précise nécessite plusd’arbres, ce qui entraîne un modèle plus
lent
2.5.4 Support Vector Machine (SVM)

Support Vector Machine ou SVM est l’un des algorithmes d’apprentissage

supervisé les plus populaires, utilisé pour les problèmes de classification et de
régression. Cependant, il est principalement utilisé pour les problèmes de
classification dans l’apprentissage automatique. Le but de l’algorithme SVM
est de créer la meilleure ligne ou limite de décision qui peut séparer l’espace à
n dimensions en classes afin que nous puissions facilement mettre le nouveau
point de données dans la bonne classe à l’avenir. Cette meilleure frontière de
décision est appelée un hyperplan.

SVM choisit les points / vecteurs extrêmes qui aident à créer l’hyperplan. Ces
cas extrêmes sont appelés vecteurs de support, et donc l’algorithme est appelé
machine de vecteur de support.

Les diagrammes suivant illustre deux classes (classe des points bleus et classe
des points roses) différant qui sont classés avec un hyperplan.

44
Chapiter2 L’apprentissage automatique

Figure 2.17-Séparation parfait de deux classes avec un hyperplan

Exemple

Figure 2.18- Un simple exemple sur le fonctionnement de l’algorithme SVM

[20]

L’interprétation d’exemple

Dans cette exemple le jeu de données contient des étoiles et des triangles qui sont
respectivement classé dans les classe A et B, dans la phase d’apprentissage le
classificateur SVM consiste à trouve le meilleur hyperplan qui sépare
parfaitement les deux classe, et classe correctement les nouveaux données ainsi
comme les vecteurs de support crée une frontière de décision entre les deux

45
Chapiter2 L’apprentissage automatique
classes les nouveaux données sera classé à la base de ces vecteurs
Hyperplan et vecteur de support et marge dans l’algorithme SVM
Hyperplan :

Les hyperplans sont des limites de décision qui aident à classer les points de
données dans un espace à n dimensions, ces points de données tombant de
chaque côté de l’hyperplan peuvent être attribués à différentes classes. La
dimension de l’hyperplan dépendent au nombre des entités dans le jeu de
données, si le nombre d’entité égale à 2 l’hyperplan sera une ligne. Et si le
nombre d’entité égal à 3 l’hyperplan devient un plan bidimensionnel .

Figure 2.19- Hyperplan dans les entités 2D et 3D

 Vecteur de support :

Les vecteurs de support sont des points de données plus proches de l’hyperplan,
et influencent la position et l’orientation d’hyperplan, la suppression de ces
vecteur modifier la position de l’hyperplan.

46
Chapiter2 L’apprentissage automatique

Figure 2.20- Les vecteurs de support

 Marge : c’est la distance entre les vecteurs de support et l’hyperplan.

l’hyperplan optimal c’est qui a le plus grand marge, car une plus grande marge
garantit que de légères déviations dans les points de données ne doivent pas
affecter le résultat du modèle.

Figure 2.21- Marge dans l’algorithme SVM

Avantage de SVM

1. Il a la capacité de gérer de grands espaces fonctionnels.

2. Fonctionne bien avec même des données non structurées et semi-structurées
comme du texte, des images et des arbres.
3. Il s’adapte relativement bien aux données de grande dimension.
Inconvénient de SVM
1. Il est sensible au bruit
47
Chapiter2 L’apprentissage automatique
2. Difficile de comprendre et d’interpréter le modèle final, les poids variables et
l’impact individuel.
3. L’extension de la classification à plus de deux classes est problématique.

2.5.5Naïve_Bayes

naïve bayésienne fait partie des algorithmes d’apprentissage automatique

supervisé qui sont principalement utilisés pour la classification. C'est un
classificateur probabiliste simple basé sur l’application de théorème de bayes et
qui aide à construire des modèles d’apprentissage automatique rapides qui
peuvent faire des prédictions rapides. Naïve dans l’algorithme se réfère à
l’hypothèse naïve que l’algorithme fait, qui est que chaque fonctionnalité est
indépendante des autres fonctionnalités .
Théorème de bayes

Le théorème de Bayes (alternativement la loi de Bayes ou la règle de Bayes)

décrit la probabilité d’un événement , basée sur la connaissance préalable des
conditions qui pourraient être liées à l’événement. La formule est comme suit
P(A/B)=P(B/A)P(A)/P(B)
Où : P(A/B) : la probabilité conditionnelle que l’événement A se produise,
étant donné que B s’est produit. Ceci est également connu comme la
probabilité postérieure .P(A) et P(B) : probabilité de A et B sans égard l’un à
l’autre

 Avantage de naïve Bayes

1. fonctionne également bien dans la prédiction multi-classes.
2. Lorsque l’hypothèse d’indépendance est vérifiée, un classificateur naïve
Bayésienne fonctionne mieux que d’autres modèles.

3. Fonctionne mieux que les modèles plus compliqués lorsque

l’ensemble de données est petit.

48
Chapiter2 L’apprentissage automatique
 Inconvénient de naïve Bayes

limitation de naïve Bayésienne est l’hypothèse de fonctionnalités

indépendantes .Dans la vraie vie, il est presque impossible d’obtenir un
ensemble de fonctionnalités complètement indépendants .
Remarque

Un bon modèle d’apprentissage choisit la fonction de prédiction qui réalise la

plus faible erreur de prédiction

49
Chapiter2 L’apprentissage automatique

2.6 Conclusion
Dans ce chapitre, nous avons présenté les algorithmes d'apprentissage automatique
qui peuvent nous aider a détecter l'apparition précoce du diabète, ce qui peut aider à
réduire les risques des complications de cette maladie sur la santé du patient.
Dans l'étude qui suit, l'objectif principal est d'appliquer ces différents algorithmes (K
nearest neighbors, Decision Trees, Random Forest, Support Vector Machine, Naives
Bayes) de classification sur notre données

50
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Chapitre 3 : La pratique de la prédiction par

l’apprentissage automatique

3.1 Introduction
Dans ce dernier chapitre, nous présentons d'abord une étude technique dans laquelle
nous définissons l'environnement logiciel utilisée pour construire notre application,
puis nous définirons notre data set avec une description de ses caractéristiques et les
étapes de pré-traitement des données (explorer, nettoyer, sélection de modèle ...) pour
corriger les valeurs aberrantes et choisir le meilleur modèle a suivre.
A la fin, c'est la partie application ou nous fournissons des interfaces graphiques
importantes développées pour clarifier les performances des activités du système et
nous terminerons par une conclusion.

51
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.2Python
Python C'est un langage de programmation multi-paradigme et le langage de
programmation dominant dans la data science avec de nombreuses implémentations
ce qui le rend encore plus intéressant. Concernant le domaine de l'apprentissage
automatique Python se distingue tout particulièrement en orant une pléthore de
librairies de très grande qualité, couvrant tous les types d'apprentissages disponibles
qui combine la facilite d'utilisation et d'apprentissage avec la puissance des librairies
qu'elles possèdent. Parmi ces bibliothèques, nous avons utilisé [21]

Figure 3.1 –Aperçu des Framework et libraires de python[22]

3.3Outils et Librairies utilisés

 Anaconda
Anaconda est une distribution python pour les applications de data science et
d'apprentissage automatique. C'est un logiciel gratuit et open source qui contient
plusieurs packages. Le principal avantage de l'utilisation d'anaconda est que,
anaconda est comme un point central pour les bibliothèques qui auraient besoin pour
le traitement de données,
L'analyse prédictive et les calculs scientifiques.
52
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 jupyter notebook
Jupyter Notebook est un environnement de programmation qui prend en charge
plusieurs langages de programmation, dont Python. Jupyter Notebook nous permet de
créer des documents contenant du code, des équations, des visualisations et du texte.
Ses utilisations comprennent le nettoyage et la transformation des données, la
simulation numérique, la modélisation statistique, la visualisation des données,
l'apprentissage automatique et bien plus encore.

 Matplotlib
Matplotlib est une bibliothèque complète pour créer des visualisations statiques,
animées et interactives en Python.
 Seaborn
Seaborn est une bibliothèque de visualisation de données Python basée sur matplotlib
. Il fournit une interface de haut niveau pour dessiner des graphiques statistiques
attrayants et informatifs.
 Pandas
Pandas est une autre bibliothèque Python utilisée pour la manipulation et l'analyse
des données, le point fort de cette bibliothèque est qu'elle possède une fonctionnalité
importante appelée nettoyage des données qui résout le problème du temps passée à
nettoyer les données dans un projet d'apprentissage automatique car de nombreux
ensembles de données disponibles contiennent des champs vides ou nuls, ce qui peut
avoir un impact négatif énorme sur notre modèle.
 NumPy
NumPy est une extension du langage de programmation Python, destinée à manipuler
des tableaux multidimensionnels.

53
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 Scikit-learn
elle est la bibliothèque Python la plus importante pour ce qui concerne l'apprentissage
automatique telle que il contient de nombreux algorithmes ( forêts aléatoires, des
régressions logistiques, des algorithmes de classification, et les machines à vecteurs
de support ) .

 Flask
Flask est un petit Framework web Python léger, qui fournit des outils et des
fonctionnalités utiles qui facilitent la création d'applications web en Python. Il offre
aux développeurs une certaine flexibilité et constitue un cadre plus accessible pour
les nouveaux développeurs puisque vous pouvez construire rapidement une
application web en utilisant un seul fichier Python. Flask est également extensible et
ne force pas une structure de répertoire particulière ou ne nécessite pas de code
standard compliqué [23]

3.4 Définir l'ensemble des données et des variables utilisés

Cet ensemble de données provient à l'origine de l'Institut national du diabète et des
maladies digestives et rénales. L'objectif de l'ensemble de données est de prédire de
manière diagnostique si un patient est diabétique ou non, sur la base de certaines
mesures diagnostiques incluses dans l'ensemble de données. Plusieurs contraintes ont
été imposées à la sélection de ces instances à partir d'une base de données plus large.
En particulier, tous les patients ici (768) sont des femmes d'au moins 21 ans
d'origine indienne Pima. Contenu Les ensembles de données se composent de
plusieurs variables prédictives médicales et d'une variable cible, Outcome. Les
variables prédictives comprennent le nombre de grossesses que la patiente a eues, son
IMC, son taux d'insuline, son âge, etc.

54
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Les variables sont les suivants :

1. Glucose : Concentration plasmatique de glucose à 2 heures dans un test oral de
tolérance au glucose.
2. Prégnances : Nombre de fois enceinte.
3. BloodPressure : Pression artérielle diastolique (mm Hg).
4. SkinThickness : Epaisseur de pli cutané du triceps (mm).
5. Insulin : Insuline sérique 2 heures (mu / ml).
6. BMI : (ou IMC) Indice de masse corporelle (poids en kg /taille en m)
7. DiabetesPedigreeFunction : Fonction généalogique du diabète.
8. Age : l'âge en années.
9. Outcome : variable de classe (0 ou 1) ou 0 indique que le patient ne soufre pas de
diabète et 1 indique que le patient est diabétique. [24]

Variable Description La plage

Pregnancies Nombre de fois enceinte Minimum : 0
Maximum : 17
BloodPressure Si un TA diastolique > 90 signifie une pression Minimum : 0
artérielle élevé (probabilité élevée de diabète) Maximum :
Un TA diastolique < 60 signifie une pression 122
artérielle base (mois probabilité de diabète)
SkinThikness Valeur estimé pour la graisse corporelle. Minimum : 0
épissure normal du pli cutané chez les femmes Maximum :
est de 23 mm. Une épissure 110
plus élevée conduit à l'obésité et les chances de
diabète augmente.
Insulin Insuline sérique 2 heures (mu U/ ml) et niveau Minimum : 0
d'insuline normal 16-166 mUI/L, les valeurs au- Maximum :
dessus de cette plage peuvent être alarmante 799
BMI (poids en kg / taille en m2) IMC de 18.5 à 20 Minimum : 0
55
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

c'est normal IMC entre 25 et 30 situer dans une Maximum :

plage surpoids Et de 30 ou plus situer dans la 80.6
fourchette d'obésité
DiabetePre Fournit des informations sur les antécédentes Minimum :
digmeFunction chez les parents et la relation génétique avec les 0.078
patients. Une fonction de pedigree plus élevée Maximum :
signifie que le patient plus susceptible de 2.42
souffrir un diabète
Age Age d'une personne en années Minimum : 21
Maximum : 81
Outcome Indique si une personne est diabétique ou non 0 (non
diabétique)
1 (diabétique)

Table 3.1- Définition des variables

3.5 L’étude technique de la prédiction des diabètes type 2

Voici le schéma qui été suivi à cet implémentation

Figure 3.2-schéma d’implémentation de prédiction sur python [25]

56
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.5.1 Importation des Librairies

Figure 3.3- Importer les Librairies

3.5.2 Téléchargement des données

Figure 3.4 - Télécharger les données

57
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.5.3 Manipulation des données

Figure 3.5-Explorer les premiers (05) records de la data set

Figure3.6-Explorer les derniers (05) records du data

Figure 3.7-Explorer les premiers 10 records du data

58
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

figure 3.8-Explorer ( 10) records Aléatoire du data

Figure 3.9-Explorer le nombre des colonnes et des ligne dans le data

Figure 3.10-Explorer les type des tous les colonnes de data

59
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.11-Explorer des informations sur le data

Des informations de chaque colonnes de data, le nombre des records et le nombre des
colonnes

Figure 3.12-Aperçudes valeur numériques statistiques

comme (min ,max , mean…) à chaque colonne notez que le minimum de tous les
colonnes est zéro donc il faut les nettoyer

60
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 Nettoyage de data

Figure 3.13-Supprimer les redoublant de la data

notez qu’ils n’existe Pas p-c-q il reste les mêmes nombre des lignes et colonnes

Figure 3.14-Compter les valeurs manquantes dans chaque colonne,

Notez qu’il n’existe aucune valeur manquante dans cet data

61
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.15-Vérifier l’emplacement des valeurs (nul) à chaque colonne

Figure 3.16-Remplacer tous les zéro par la moyenne (mean) de colonne

En suite vérifier l’existence des zéro sur la colonne

Figure 3.17-Vérifier le minimum de toute la colonne notez qu’ils sont déférents de

zéro

62
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 Visualisation des donnés

Figure 3.17- le graphe de comptage des colonnes

63
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.18 le graphe histogramme des colonnes

64
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.19- la matrice des graphes (scatterplot)

Ce graphe représente la relations entre chaque deux colonnes celui aidez à

comprendre la matrice de corrélation

65
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 La matrice de corrélation :

Est une donnée tabulaire chaque ligne et colonne représente une variable et chaque
valeur de cette matrice est le coefficient de corrélation entre les variables représentées
par la ligne et la colonne correspondantes. La matrice de corrélation est une métrique
d'analyse de données importante qui est calculée pour résumer les données afin de
comprendre la relation entre diverses variables et prendre des décisions en
conséquence.

Les valeurs proches de +1 indiquent la présence d'une forte relation positive entre X
et Y, tandis que celles proches de -1 indiquent une forte relation négative entre X et
Y.

Des valeurs proches de zéro signifient qu'il n'y a aucune relation entre X et Y

66
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.20 - La matrice de corrélation

67
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 Diviser le data entre X et Y :

X : pour les colonnes d’entrer

Y : pour la colonne de outcome

Figure 3.21-Apercu la division des données

 Scaling les caractéristiques du data

Est une méthode utilisée pour normaliser la plage des variables indépendantes
elle est également connue sous le nom de normalisation des données Il existe
déférents technique de normalisation mais on a choisi La standard technique

Figure 3.22 Aperçu la normalisation du data

68
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

 Diviser le data entre deux partie (train ,test)

Figure 3.23 Aperçu la division des données

Donc on a les tableaux suivant

X Y
train (614 , 8) 614
test (154 , 8) 154

Table 3.2 – Aperçu la division du data

3.5.4 Définir les modèles et passer les données pour trainer

69
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

Figure 3.24- Définir les (05) modèles

3.5.5 Faire la prédiction à chaque modèle par la partie de test

Figure 3.25-Faire la prédiction par les modèles

3.5.6 Evaluer les modèles

KNN // La précision = 74.67

70
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

SVM // la précision = 83.11

Naive_Bayes // la précision = 74.02

DecesionTree // la précision = 79.22

Random_Forest // la précision = 81.16

Figure 3.26 – évaluation des (05) modèle

Donc la Meilleur modèle c’est SVM avec précision de 83.11

71
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.6 L’application
Ci-dessous, nous fournissons nos interfaces d'application "diabet_ prediction" dans
le but de permettre aux personnes des savoir s'ils ont le risque de développer un
diabète avec un taux de prédiction bien défini .L'application avoir un adresse local
après l’installation

[Link]

Figure 3.27 – l’interface de l’application

72
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

La page d'accueil

La page d'accueil fournit des informations explicatives générales pour les diabétiques,
ou nous expliquons leur hyper sensibilité à l'épidémie que nous connaissons
actuellement. Cette page fournit des hyperliens vers les autres interfaces que
constitue notre application Web. Ainsi que la forme de la prédiction

La forme de la prédiction

Figure 3.28 –la forme de prédiction

Le but de cette interface est de prédire si une personne est diabétique ou non avec un
taux de prédiction, pour cela il doit remplir le formulaire ci-dessous qui contient les
informations suivantes : Pregnancies, Glucose, BloodPressure, SkinThikness, Insulin,
BMI, DiabetePedigreeFunction et Age.

La forme de resultat

Figure 3.29 – la forme de résultat

73
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.7 Conclusion

Dans ce chapitre, nous avons présenté les différents étapes de prétraitement des
données tels que l'exploration et la visualisation des données ainsi le nettoyage des
valeurs aberrantes. L'application des méthodes d'évaluation nous permet de
sélectionner le modèle SVM comme le meilleur modèle qui a un taux de précision
élevé. A la fin, on a développé une application web qui nous permet de prédire si une
personne
Donnée est diabétique ou pas à partir de ces informations médicales

74
Chapitre 3 La pratique de la prédiction par l’apprentissage automatique

3.8 Conclusion générale

Dans cette Mémoire nous avons mené à faire une comparaison entre cinq algorithmes
d'apprentissage automatique à savoir : l'arbre de décision, Randomforest, naive bayes,
K nearest neighbors et support vector machine, les résultats expérimentaux obtenu
pour l'ensemble de montre que support vector machine est meilleure que les autres
algorithmes en terme de sa grande précision. Sur la base d'un algorithme support
vector machine et que nous avons besoin d'un moyen pour rendre le modèle applicatif
pour tout le monde nous avons développé une solution basé sur une application web
dans le but d'aide les personnes de prédire s'il souffre de diabète En termes de
perspective :

1. la construction d'une application Android parallèle avec notre application web

permet d'aide les personnes qui sont diabétiques de suivre son situation médical,
les médicaments, les rendez-vous médical ainsi leur état physique comme le
sport et le régime alimentaire équilibré pour leur cas.

2. La prédiction de diabète avec l'approche de deep learning peut avoir

Un bon résultat de précision

75
Bibliographie
[1] Organisation mondiale de la santé.(2016).Rapport mondial
sur le diabète.88p
[2] Medtronic .Le Diabète En Quelque Mots.[en ligne].Disponible
sur :https ://[Link]/parlons-diabete/le-diabete-
en-quelques-mots
[3] fédération français de Cardiologie .Réduire le risque cardio-
vasculaire LE
[4] CEED :Centre européen d’´etude du Diabète .Diabètes et
complications.[en
[5] La macro angiopathie diabétique. Complications.[en
ligne].(Mis `a jour en juin2015).Disponible sur
:[Link]
[6] Doctissimo. Micro-angiopathie.[en ligne].Disponible sur :
https ://[Link]/sante/dictionnaire-medical/micro-
angiopathie
[7] CEED : Centre européen d’´etude du Diabè[Link] d´dépistage
au cœur des actions de prévention.[en ligne].Disponible sur :
http ://[Link]/blog/diabete-ledepistage-au-coeur-des-
actions-de-prevention/
[8] [Link] (consulter
03/06/2020)
76
[9] Lev Kiwi.(2018).Apprentissage et Machine Learning.[en
ligne].Disponible sur :
https ://[Link]/apprentissage-et-machine-learning/ (consulter
04/06/2020 )
[10] Pensée [Link] Learning pour d’ébutant :
Introduction au Machine Learning.[en ligne].Disponible sur
:http ://[Link]/introduction-au-machinelearning/
(consulter 04/06/2020)
[11] Ga¨el, [Link] Corpus.(2017).Initiation au Machine
Learning avec Python.[enligne].Disponible sur : https ://makina-
[Link]/blog/metier/2017/initiation-aumachine-learning-avec-
python-pratique
[12] [Link].(2019).A Machine Learning Approach to
Network Intrusion Detection System Using K NearestNeighbor
and Random Forest. de master : universit´e de Southern
nearest-neighbor-classification-scikit-learn
[13] Benzaki, [Link] Mint .(2018).Introduction `a l’algorithme K
Nearest Neighbors (KNN).[en ligne].Disponiblesur : https
://[Link]/introduction-k-nearest-neighbors
[14] Gupta, [Link] wards datascience.(2017).Decision Trees in
Machine Learning.[enligne].Disponiblesur :https
://[Link]/decision-trees-in-machinelearning-
641b9c4e8052
[15] Choudhury, [Link] India Magazine.(2019).Beginner’s
Guide To Decisionsur : https //[Link]/beginners-
77
guide-to-decision-trees-why-arethey-crucial-for-data-science-
applications/decision-trees-with-code-dc026172a284
[16] Ismaili, Z.(2019).Le Data Scientist . Apprentissage
Supervisé Vs. Non Supervisé.[enligne].Disponible sur : https
://[Link]/apprentissage-supervise-vs-nonsupervise
neighbors-algorithm-6a6e71d01761
[17] java T [Link] Forest Algorithm.[en ligne].Disponible
sur :https ://[Link]/machine-learning-random-
forest-algorithm
[18] tutorials [Link] Algorithms - Random forest.[en
ligne].Disponiblesur : https ://[Link]/machine
learning with python /machine learning with python
classification algorithms random [Link]
[19] java T [Link] Vector Machine Algorithm.[en
ligne].Disponiblesur :https ://[Link]/machine-
learning-support-vector-machine-algorithm
[20] Tandel, [Link] wards data science.(2017).Support Vector
Machines | A Brief Overview.[en ligne].Disponiblesur :https
://[Link]/support-vectormachines-a-brief-
overview-37e018ae310f
[21] Sharma, [Link] the Mathematics
behind Support Vector Machines.[en ligne].Disponiblesur : https
://[Link]/understanding-themathematics-behind-
support-vector-machines-5e20243d64d5
[22] Gandhi, [Link] wards data science.(2018).Support Vector
78
Machine | Introduction to Machine Learning Algorithms.[en
ligne].Disponiblesur :https ://[Link]/support-
vector-machine-introduction-to-machinelearning-algorithms-
934a444fca 47
[23] laptrinhx.(2019).Naive Bayes Unlocked.[en ligne].Disponible
sur : https ://[Link]/naive-bayes-unlocked-1301819179/
[24] MEHIDI, [Link], S. (2018).Application des
Méthodes d’Apprentissagedans la Prédiction du Diabète de Type
2. mémoire master :Intelligence Artificielle.Département
Informatique. Faculté des Sciences [Link]é [Link]
de Bejaia.79p
[25] Ebrahim, [Link] geeks.(2020). Python Correlation Matrix
Tutoriel.(mise a jour29-07-2020).[en ligne].Disponible sur : https
://[Link]/python-correlationmatrix/
[26] Jupyter.(2017).Project Jupyter .[en ligne].Disponible sur
:https ://[Link]/
[27] [Link]-Test Data Split .[en ligne].Disponible
sur :https ://[Link]/figure/Train-Test-Data-Split

79
Annexe
hémoglobineglyquée (HbA1c)
Ce test représente une "mémoire" globale de la glycémie sur les trois
derniers mois, ilprend donc en compte tous les états, y compris la glycémie
postprandiale.
autosurveillance glycémique (ASG)
autosurveillance glycémique est prescrite par le médecin en fonction du
votre type dediabète et de votre type de [Link] est indispensable
dans le diabète de type 1,nécessaire dans le diabète de type 2
insulinotraitéet variable pour les diabétiques de type2 non
insulinotraité[Link] autosurveillance sert principalement `a contrôler et
prévenir lesdéséquilibres (hypo/hyperglycémies) et à adapter votre
traitement. Elle permet aussi demesurer l’effet d’un aliment, d’une
pratique sportive ou d’une activité physique sur saglycémie.

80