Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Prédiction de défauts dans les arbres du parc végétal Grenoblois et préconisations pour les futures plantations
In EGC 2017, vol. RNTI-E-33, pp.237-248
Résumé
Nous décrivons dans cet article notre réponse au défi EGC 2017. Une
analyse exploratoire des données a tout d'abord permis de comprendre les distri-
butions des différentes variables et de détecter de fortes corrélations. Nous avons
défini deux variables supplémentaires à partir des variables du jeu de données.
Plusieurs algorithmes de classification supervisée ont été expérimentés pour ré-
pondre à la tâche numéro 1 du défi. Les performances ont été évaluées par va-
lidation croisée. Cela nous a permis de sélectionner les meilleurs classifieurs
uni-label et multi-label. Autant sur la tâche uni-label que multi-label, le meilleur
classifieur dépasse les références d'environ 2%. Nous avons également exploré
la tâche numéro 2 du défi. D'une part, des règles d'association ont été recher-
chées. D'autre part, le jeu de données a été enrichi avec des connaissances telles
que des données climatiques (pluviométrie, température, vent) ou des données
taxonomiques dans le domaine de la botanique (famille, ordre, super-ordre). En
outre, des données géographiques et cartographiques sont exploitées dans un
outil de visualisation d'une partie des données sur les arbres.