Scribd
Importer
45 vues3 pages

Rapport TP2 Classification SVM Final

Le rapport présente une analyse de la classification SVM à travers trois parties : binaire pour distinguer les patients malades des non malades, mono-classe pour détecter uniquement les patients malades, et multi-classe pour classifier trois types de fleurs dans le dataset Iris. Chaque section inclut du code Python et des matrices de confusion pour évaluer les performances des modèles. Des courbes ROC sont également fournies pour le SVM binaire.

Transféré par

yassinehafidi2999
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
45 vues3 pages

Rapport TP2 Classification SVM Final

Le rapport présente une analyse de la classification SVM à travers trois parties : binaire pour distinguer les patients malades des non malades, mono-classe pour détecter uniquement les patients malades, et multi-classe pour classifier trois types de fleurs dans le dataset Iris. Chaque section inclut du code Python et des matrices de confusion pour évaluer les performances des modèles. Des courbes ROC sont également fournies pour le SVM binaire.

Transféré par

yassinehafidi2999
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Rapport de TP2 : Classification SVM (Final)

Encadré par : Mlle. Khaoula Tbarki


Nom : Yassin Hafidi

Partie I : Classification SVM Binaire


Ce modèle vise à distinguer les patients malades et non malades à partir du dataset
`[Link]`.

Code Python
Ci-dessous, le code utilisé pour entraîner un SVM binaire avec plusieurs noyaux et calculer
les performances.

Figure 1 : Courbes ROC des différents noyaux SVM Binaire.


Figure 2 : Matrice de confusion du SVM Binaire.

Partie II : Classification SVM Mono-classe


Dans cette partie, nous utilisons un modèle One-Class SVM pour détecter uniquement la
classe des patients malades.

Code Python
Le modèle est entraîné sur une seule classe et évalué pour détecter les anomalies.

Figure 3 : Matrice de confusion du SVM Mono-classe.


Partie III : Classification SVM Multi-classe
Nous utilisons le dataset Iris pour classifier trois classes de fleurs en utilisant SVM multi-
classe (un contre un).

Code Python
Le modèle SVM est entraîné avec la stratégie 'un contre un' pour différencier les trois
classes.

Figure 4 : Matrice de confusion du SVM Multi-classe.

Vous aimerez peut-être aussi