Vers une pondération des caractéristiques de données médicales.

Abstract

Une sélection objective avant la phase de classification est essentielle pour l’obtention des résultats attendus. Nous nous intéressons dans ce travail à la hiérarchisation des variables des données médicales pour cela nous avons utilisé la technique de sélection d’attributs par l’approche filtre. Elle qui se compose de méthodes univariées et multivariées. Nous avons réalisé différentes expérimentations sur des différentes données. Nous avons discuté et comparé les résultats obtenus avec quelques travaux de la littérature. La sélection d’attributs est considérée comme une étape primordiale avant la classification. Elle permet de représenter un sous ensemble de variables réduit à partir d’un grand ensemble volumineux de variables et d’éliminer les variables redondantes, non pertinentes ou incomplètes. Elle facilite aussi la visualisation des données et elle nous permet une meilleure compréhension. Elle réduit la complexité de données d’apprentissage qui va nous économiser aussi le temps de la phase d’apprentissage tout en améliorant la précision du classifieur