5.3.1 Méthode d’évaluation : apprentissage suivi de vérification

Pour évaluer les capacités prédictives de l’approche des plus proches voisins, nous avons cherché à mesurer la pertinence de la liste classée par performance (précision, temps d’apprentissage, temps de test) décroissante d’algorithmes de classification délivrée par cet algorithme. Pour ce faire, nous avons un ensemble A constitué de 25 algorithmes de classification supervisée dans un ordre quelconque.

L’évaluation s’est déroulée en deux étapes. Pour la première étape, partant d’une base de cas non exhaustive (base de cas du début des traitements dans l’environnement de fouille de données), nous avons voulu prédire les performances des algorithmes sur deux nouveaux cas à traiter. Pour le second test, la base de cas est plus exhaustive mais le problème à résoudre n’est pas très semblable aux cas déjà traités.