Scribd
Importer
3 vues3 pages

TP 4

Le document présente une tâche de classification binaire visant à prédire la survie des passagers du Titanic, avec 'survived' comme variable cible. Les variables explicatives incluent le sexe, l'âge, le tarif et la classe, et il est suggéré que le sexe est une variable adéquate pour diviser les données. Un arbre de décision est construit basé sur le sexe, montrant une séparation parfaite entre les survivants et les non-survivants.

Transféré par

hbnkii14
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 PDF, TXT ou lisez en ligne sur Scribd
3 vues3 pages

TP 4

Le document présente une tâche de classification binaire visant à prédire la survie des passagers du Titanic, avec 'survived' comme variable cible. Les variables explicatives incluent le sexe, l'âge, le tarif et la classe, et il est suggéré que le sexe est une variable adéquate pour diviser les données. Un arbre de décision est construit basé sur le sexe, montrant une séparation parfaite entre les survivants et les non-survivants.

Transféré par

hbnkii14
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 PDF, TXT ou lisez en ligne sur Scribd

TP 4

1. Proposez une tâche de classification (binaire) pertinente.

Prédire si un passager a survécu (1) ou non (0) au Titanic.

2. Quelle variable joue le rôle de variable cible (Y) ?

La variable cible est survived.

3. Charger le dataset Titanic dans un DataFrame.

4. Simplifier les données en gardant uniquement .

5. Quelles sont les variables explicatives ?


Sex , age , fare et pclass
6. Quelles sont les variables explicatives ?

7. Transformation :

Partie 4 :

1. Quelle variable semble adéquate pour diviser les données


La variable Sexe est la meilleure variable pour diviser les données.
Car :
• Toutes les Female → Yes
• Tous les Male → No
La séparation est parfaite.

2. Construire l’arbre de décision


Sexe

Female Male

Yes No
3. Valeur de “Survived” dans chaque nœud
4. Nouvelle donnée
5. Est-ce que toutes les feuilles sont pures

Vous aimerez peut-être aussi