Chapitre VI
Machine Learning
100
VI.5. Analyse et Validation de l’algorithme ANN
Dans cette partie, le modèle de réseau neuronal (NN), développé, par Gent, M. R., Boogaard, H.
F., et al. (2007), est reproduit. Le Tableau VI-7 présente les features utilisés par cet algorithme.
Tableau VI-7 : Features utilisées pour le développement du modèle NN
Après la reproduction de ce modèle comme décrit dans l’article de Gent, M. R., Boogaard, H. F.,
et al. (2007), les résultats obtenus sont illustrés dans la Figure VI-9. Le score í µí± 2 indique une valeur
de 0,84 pour l'ensemble d'apprentissage et de 0,82 pour l'ensemble de test. Ces scores montrent
une bonne corrélation entre les valeurs mesurées et prédites, comme le confirme le diagramme de
dispersion (Figure VI-9).
Figure VI-9 : Prédictions de la méthode de l'ANN répliquée.
Machine Learning
100
VI.5. Analyse et Validation de l’algorithme ANN
Dans cette partie, le modèle de réseau neuronal (NN), développé, par Gent, M. R., Boogaard, H.
F., et al. (2007), est reproduit. Le Tableau VI-7 présente les features utilisés par cet algorithme.
Tableau VI-7 : Features utilisées pour le développement du modèle NN
Après la reproduction de ce modèle comme décrit dans l’article de Gent, M. R., Boogaard, H. F.,
et al. (2007), les résultats obtenus sont illustrés dans la Figure VI-9. Le score í µí± 2 indique une valeur
de 0,84 pour l'ensemble d'apprentissage et de 0,82 pour l'ensemble de test. Ces scores montrent
une bonne corrélation entre les valeurs mesurées et prédites, comme le confirme le diagramme de
dispersion (Figure VI-9).
Figure VI-9 : Prédictions de la méthode de l'ANN répliquée.
