Les Forêts Aléatoires Floues.

Abstract

Nous traitons dans ce mémoire l'extraction de la connaissance à partir des donn ées, en utilisant les forêts aléatoires oues qui combinent la robustesse des arbres de décision, la puissance du caractère aléatoire qui augmente la diversité des arbres dans la forêt, et la exibilité de la logique oue. Ils ont la spéci cité de contrôler des données imparfaites, de réduire le taux d'erreurs et de mettre en évidence plus de robustesse et plus d'interprétabilité. Dans le cadre de notre travail nous nous intéresserons a la construction une forêt d'arbres de décision oues (de types Fuzzy CART) pour la classi cation de donn ées médicales, nous optimisons ensuite ces arbres avec l'algorithme Fuzzy C-Mean qui nous permettra une meilleure répartition des données et ainsi qu'une régularisation des contraintes qui s'appliquent sur les paramètres des fonctions d'appartenance oues. Cet algorithme réduit le nombre de sous-ensembles ous et minimise le nombre de règles pour une connaissance ciblée.