C

clustering

Le projet est réalisé par ALVAREZ Océane et IBRAHIM Benita, étudiantes en M1 Bio-informatique parcours BBS (Bio-informatique et biologie des Systèmes) de l'Université de Toulouse. Ce projet de fouille de données est un projet réalisé dans le cadre de l'UE : Fouille de données, dirigée par Mr. Roland Barriot : @rbarriot.

Durant cette étude des analyses seront effectuées sur R en fonction d'un dataset choisi. Le projet se décomposera en trois parties : La première consistera en une analyse exploratoire complète du jeu de données enfin d'en comprendre la structure. La seconde correspondra à la phase de conception, durant laquelle une réflexion sera menée sur les méthodes d’analyse à mettre en œuvre et sur les objectifs à poursuivre. Enfin, la troisième partie portera sur la mise en œuvre des analyses choisies, accompagnée d'une évaluation des résultats qui seront obtenus et d'une discussion sur de potentielles améliorations.

En raison d'une appétence particulière pour le domaine de la santé, le choix s'est orienté sur un dataset relatif aux maladies cardiovasculaires. Pour plus d’informations sur les données, consultez la section dédiée et le README.md explicatif : https://gitlab.com/alvarez_oceane/fouille-projet/-/tree/master/data

L'objectif de notre étude est d'obtenir et d’identifier une ou plusieurs méthodes de classification supervisée capables de prédire correctement le type de douleur thoracique à partir des variables cliniques disponibles dans le dataset. Plusieurs méthodes seront comparées comme Naive Bayes, K-NN, LDA et Random Forest. L’obtention d’un ou plusieurs modèles fiables pour prédire correctement la classe des patients à partir des variables explicatives est attendu. Tout comme la visualisation des performances des modèles et la sélection du modèle final le plus pertinent.

Les codes, le rapport et chaque Rmd utilisé lors de l'étude sont disponibles sur ce git.

Testing functions and features of a music production utility app.

Clustered hosting

This repo presents performance comparisons between a serial implementation, a MPI based and a Spark based implementation of a document clustering algorithm