Séléction et extraction des attributs à l’aide de l’apprentissage profond : application sur des données médicales réelles

Abstract

Résumé Les bases de données volumineuses causent beaucoup de problème dans divers domaines, nous nous intéressons dans ce travail au domaine de la classification. Quatre bases de données à classes binaire ont été choisies pour appliquer successivement un filtrage de donnée aussi surnommé de sélection d’attributs ensuite une extraction de ces derniers ; ceci est la première partie du travail. La deuxième partie consiste à prédire les classes des nouvelles bases de données, elle a été effectuée via deux méthodes, par réseaux de neurones profond et par l’algorithme SVM, tous les détails a propos de ces méthodes seront disponible au cours de ce rapport. Les technique et méthodes appliquées ont donné des résultats satisfaisants.