Dans la première partie de ce TD on s’appuie sur l’exemple du cours qui consiste à séparer des poissons en deux classes : bars et saumons. La classification sera faite à partir d’une seule caractéristique (la longueur) dans un premier temps, puis à partir de deux caractéristiques (longueur et brillance). En d’autres termes, le descripteur sera d’abord de dimension 1 puis de dimension 2.
Dans cet exercice, nous allons travailler avec un fichier (salmon_seabass.csv
) contenant des informations sur la longueur et la brillance de deux classes de poissons : les saumons et les bars.
Le fichier est disponible à l'adresse :
https://www.labri.fr/perso/zemmari/datasets/salmon_seabass.csv
Chargez le fichier, et notez que la colonne species
indique la catégorie du poisson :
sizeVTSaumon
et sizeVTBar
.
Dans un premier temps, nous allons considérer un seul descripteur : la longueur width
des poissons.
classify()
permettant également de classifier les poissons mais en utilisant cette fois un classifieur a posteriori.
Dans cet exercice, nous allons considérer le dataset dans sa globalité. Nous allons donc baser notre classification sur les deux descripteurs width
et lightness
.
Reprogrammer et tester les deux classifieurs vus dans l'exercice 1. Quel est l'impact du rajout du nouveau descripteur ?
sklearn
¶Comparer vos résultats avec ceux obtenus avec un classifieur de Bayes de la bibliothèque sklearn
.