ajout de tous les cours et TP préparés cet été
This commit is contained in:
281
Arbres/TP_Recommandation.md
Normal file
281
Arbres/TP_Recommandation.md
Normal file
@@ -0,0 +1,281 @@
|
||||
# TP : L'algorithme de recommandation — Comment TikTok/YouTube vous connaît
|
||||
|
||||
> **Thème** : Arbres de décision et algorithmes de recommandation
|
||||
|
||||
---
|
||||
|
||||
## Contexte
|
||||
|
||||
En 2026, les algorithmes de recommandation sont omniprésents : TikTok, YouTube, Spotify, Netflix... Ces plateformes utilisent des **arbres de décision** pour prédire vos goûts et vous proposer du contenu personnalisé.
|
||||
|
||||
Dans ce TP, vous allez construire un mini-système de recommandation de films basé sur un **arbre binaire de décision**.
|
||||
|
||||
---
|
||||
|
||||
## Partie 1 : Comprendre l'arbre de décision
|
||||
|
||||
Un arbre de décision pose des questions binaires (oui/non) pour classifier des données.
|
||||
|
||||
### Exemple
|
||||
|
||||
```
|
||||
Aimes-tu l'action ?
|
||||
/ \
|
||||
OUI NON
|
||||
| |
|
||||
Aimes-tu la SF ? Aimes-tu la romance ?
|
||||
/ \ / \
|
||||
OUI NON OUI NON
|
||||
| | | |
|
||||
"Matrix" "Die Hard" "Titanic" "Le Parrain"
|
||||
```
|
||||
|
||||
### Questions préliminaires
|
||||
|
||||
1. Quel film sera recommandé à quelqu'un qui aime l'action mais pas la SF ?
|
||||
|
||||
2. Combien de questions faut-il poser au maximum pour recommander un film ?
|
||||
|
||||
3. Si on veut recommander 16 films différents, combien de questions faudra-t-il poser au maximum ? (Indice : pensez à la hauteur de l'arbre)
|
||||
|
||||
---
|
||||
|
||||
## Partie 2 : Modélisation avec une classe
|
||||
|
||||
Nous allons créer une classe `NoeudDecision` pour représenter notre arbre.
|
||||
|
||||
### Structure d'un nœud
|
||||
|
||||
Un nœud peut être :
|
||||
- **Un nœud interne** : il contient une question et deux sous-arbres (oui/non)
|
||||
- **Une feuille** : elle contient une recommandation (un film)
|
||||
|
||||
### Exercice 1 : Compléter la classe
|
||||
|
||||
```python
|
||||
class NoeudDecision:
|
||||
def __init__(self, question=None, film=None):
|
||||
"""
|
||||
Crée un nœud de l'arbre de décision.
|
||||
|
||||
Si film is not None : c'est une feuille (recommandation)
|
||||
Sinon : c'est un nœud interne avec une question
|
||||
|
||||
Paramètres:
|
||||
question (str): La question à poser (None si feuille)
|
||||
film (str): Le film à recommander (None si nœud interne)
|
||||
"""
|
||||
self.question = question
|
||||
self.film = film
|
||||
self.oui = None # Sous-arbre si réponse = oui
|
||||
self.non = None # Sous-arbre si réponse = non
|
||||
|
||||
def est_feuille(self):
|
||||
"""Retourne True si ce nœud est une feuille (recommandation)."""
|
||||
# À compléter
|
||||
pass
|
||||
|
||||
def __str__(self):
|
||||
"""Représentation textuelle du nœud."""
|
||||
if self.est_feuille():
|
||||
return f"Film: {self.film}"
|
||||
else:
|
||||
return f"Question: {self.question}"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Partie 3 : Construction de l'arbre
|
||||
|
||||
### Exercice 2 : Construire l'arbre d'exemple
|
||||
|
||||
Complétez la fonction suivante pour construire l'arbre de décision présenté en partie 1.
|
||||
|
||||
```python
|
||||
def construire_arbre_films():
|
||||
"""Construit et retourne l'arbre de recommandation de films."""
|
||||
|
||||
# Création des feuilles (recommandations)
|
||||
matrix = NoeudDecision(film="Matrix")
|
||||
die_hard = NoeudDecision(film="Die Hard")
|
||||
titanic = NoeudDecision(film="Titanic")
|
||||
parrain = NoeudDecision(film="Le Parrain")
|
||||
|
||||
# Création des nœuds internes (questions)
|
||||
# À compléter...
|
||||
|
||||
# Retourner la racine de l'arbre
|
||||
pass
|
||||
```
|
||||
|
||||
### Exercice 3 : Tester la construction
|
||||
|
||||
```python
|
||||
# Créer l'arbre
|
||||
arbre = construire_arbre_films()
|
||||
|
||||
# Vérifier la structure
|
||||
print(arbre) # Doit afficher la question racine
|
||||
print(arbre.oui) # Doit afficher la question sur la SF
|
||||
print(arbre.oui.oui) # Doit afficher "Film: Matrix"
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Partie 4 : Parcours et recommandation
|
||||
|
||||
### Exercice 4 : Fonction de recommandation interactive
|
||||
|
||||
Complétez la fonction suivante qui parcourt l'arbre en posant les questions à l'utilisateur :
|
||||
|
||||
```python
|
||||
def recommander(noeud):
|
||||
"""
|
||||
Parcourt l'arbre de décision en posant des questions à l'utilisateur.
|
||||
Retourne le film recommandé.
|
||||
"""
|
||||
# Cas de base : on est sur une feuille
|
||||
if noeud.est_feuille():
|
||||
return noeud.film
|
||||
|
||||
# Afficher la question et récupérer la réponse
|
||||
print(noeud.question)
|
||||
reponse = input("Votre réponse (oui/non) : ").lower().strip()
|
||||
|
||||
# Suivre la branche correspondante
|
||||
# À compléter...
|
||||
pass
|
||||
```
|
||||
|
||||
### Exercice 5 : Programme principal
|
||||
|
||||
```python
|
||||
def main():
|
||||
print("=== Système de recommandation de films ===\n")
|
||||
|
||||
arbre = construire_arbre_films()
|
||||
film = recommander(arbre)
|
||||
|
||||
print(f"\n>>> Je vous recommande : {film}")
|
||||
|
||||
# Lancer le programme
|
||||
main()
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Partie 5 : Enrichir l'arbre
|
||||
|
||||
### Exercice 6 : Ajouter des films
|
||||
|
||||
Modifiez la fonction `construire_arbre_films()` pour ajouter au moins **4 films supplémentaires** en créant de nouvelles questions.
|
||||
|
||||
Suggestions de questions :
|
||||
- "Préférez-vous les films récents (après 2010) ?"
|
||||
- "Aimez-vous les films avec beaucoup d'humour ?"
|
||||
- "Préférez-vous les films européens ?"
|
||||
|
||||
### Exercice 7 : Affichage de l'arbre
|
||||
|
||||
Écrivez une fonction qui affiche l'arbre de manière indentée :
|
||||
|
||||
```python
|
||||
def afficher_arbre(noeud, niveau=0):
|
||||
"""
|
||||
Affiche l'arbre de décision de manière indentée.
|
||||
|
||||
Exemple de sortie attendue:
|
||||
Aimes-tu l'action ?
|
||||
├── OUI: Aimes-tu la SF ?
|
||||
│ ├── OUI: Matrix
|
||||
│ └── NON: Die Hard
|
||||
└── NON: Aimes-tu la romance ?
|
||||
├── OUI: Titanic
|
||||
└── NON: Le Parrain
|
||||
"""
|
||||
# À compléter
|
||||
pass
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Partie 6 : Statistiques sur l'arbre
|
||||
|
||||
### Exercice 8 : Hauteur de l'arbre
|
||||
|
||||
Écrivez une fonction récursive qui calcule la hauteur de l'arbre de décision.
|
||||
|
||||
```python
|
||||
def hauteur(noeud):
|
||||
"""Retourne la hauteur de l'arbre."""
|
||||
# À compléter
|
||||
pass
|
||||
```
|
||||
|
||||
### Exercice 9 : Nombre de films
|
||||
|
||||
Écrivez une fonction qui compte le nombre de films (feuilles) dans l'arbre.
|
||||
|
||||
```python
|
||||
def nombre_films(noeud):
|
||||
"""Retourne le nombre de films (feuilles) dans l'arbre."""
|
||||
# À compléter
|
||||
pass
|
||||
```
|
||||
|
||||
### Exercice 10 : Liste de tous les films
|
||||
|
||||
Écrivez une fonction qui retourne la liste de tous les films de l'arbre.
|
||||
|
||||
```python
|
||||
def tous_les_films(noeud):
|
||||
"""Retourne la liste de tous les films de l'arbre."""
|
||||
# À compléter
|
||||
pass
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Partie 7 : Pour aller plus loin (Bonus)
|
||||
|
||||
### Réflexion : vers le Machine Learning
|
||||
|
||||
En réalité, les algorithmes de recommandation modernes **apprennent** automatiquement l'arbre à partir de données.
|
||||
|
||||
**Question de réflexion :**
|
||||
|
||||
Imaginez que vous avez une base de données de 1000 utilisateurs avec :
|
||||
- Leurs réponses aux questions (oui/non)
|
||||
- Le film qu'ils ont finalement aimé
|
||||
|
||||
Comment pourriez-vous automatiquement construire le "meilleur" arbre de décision ?
|
||||
|
||||
*Indice : Il faudrait choisir à chaque nœud la question qui "sépare" le mieux les utilisateurs selon leurs préférences.*
|
||||
|
||||
### Recherche
|
||||
|
||||
L'algorithme **ID3** (Iterative Dichotomiser 3) est un algorithme classique pour construire des arbres de décision.
|
||||
|
||||
1. Faites une recherche sur cet algorithme.
|
||||
2. Qu'est-ce que l'**entropie** dans ce contexte ?
|
||||
3. Comment ID3 choisit-il la meilleure question à poser à chaque nœud ?
|
||||
|
||||
---
|
||||
|
||||
## Résumé des notions travaillées
|
||||
|
||||
| Notion | Application dans ce TP |
|
||||
|--------|------------------------|
|
||||
| Arbre binaire | Structure de l'arbre de décision |
|
||||
| Nœud / Feuille | Questions / Recommandations |
|
||||
| Parcours d'arbre | Fonction `recommander()` |
|
||||
| Récursivité | Hauteur, comptage, affichage |
|
||||
| POO | Classe `NoeudDecision` |
|
||||
|
||||
---
|
||||
|
||||
Auteur : Florian Mathieu
|
||||
|
||||
Licence CC BY NC
|
||||
|
||||
<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="Licence Creative Commons" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" /></a> <br />Ce cours est mis à disposition selon les termes de la <a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International</a>.
|
||||
Reference in New Issue
Block a user