Prédiction de défauts dans les arbres du parc végétal Grenoblois et préconisations pour les futures plantations

Yelen Per 1 Kevin Dalleau 1 Malika Smaïl-Tabbone 1
1 ORPAILLEUR - Knowledge representation, reasonning
Inria Nancy - Grand Est, LORIA - NLPKD - Department of Natural Language Processing & Knowledge Discovery
Résumé : Nous décrivons dans cet article notre réponse au défi EGC 2017. Une analyse exploratoire des données a tout d’abord permis de comprendre les distributions des différentes variables et de détecter de fortes corrélations. Nous avons défini deux variables supplémentaires à partir des variables du jeu de données. Plusieurs algorithmes de classification supervisée ont été expérimentés pour répondre à la tâche numéro 1 du défi. Les performances ont été évaluées par validation croisée. Cela nous a permis de sélectionner les meilleurs classifieurs uni-label et multi-label. Autant sur la tâche uni-label que multi-label, le meilleur classifieur dépasse les références d’environ 2%. Nous avons également exploré la tâche numéro 2 du défi. D’une part, des règles d’association ont été recherchées. D’autre part, le jeu de données a été enrichi avec des connaissances telles que des données climatiques (pluviométrie, température, vent) ou des données taxonomiques dans le domaine de la botanique (famille, ordre, super-ordre). En outre, des données géographiques et cartographiques sont exploitées dans un outil de visualisation d’une partie des données sur les arbres.
Type de document :
Communication dans un congrès
EGC 2017 - Extraction et Gestion des Connaissances, Jan 2017, Grenoble, France. RNTI-E-33, pp.237-248, Revue des Nouvelles Technologies de l'Information
Liste complète des métadonnées

https://hal.inria.fr/hal-01611504
Contributeur : Malika Smail-Tabbone <>
Soumis le : mardi 19 décembre 2017 - 14:14:23
Dernière modification le : jeudi 11 janvier 2018 - 06:25:24

Fichier

other_main.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01611504, version 1

Collections

Citation

Yelen Per, Kevin Dalleau, Malika Smaïl-Tabbone. Prédiction de défauts dans les arbres du parc végétal Grenoblois et préconisations pour les futures plantations. EGC 2017 - Extraction et Gestion des Connaissances, Jan 2017, Grenoble, France. RNTI-E-33, pp.237-248, Revue des Nouvelles Technologies de l'Information. 〈hal-01611504〉

Partager

Métriques

Consultations de la notice

101

Téléchargements de fichiers

4