REPUBLIQUE TUNISIENNE ‫الجمهورية التونسية‬

Ministère de l'Enseignement Supérieur,

de la Recherche Scientifique ‫وزارة التعليم العالي والبحث العلمي‬
Concours Nationaux d’Entrée ‫انمناظرات انىطنية نهدخىل‬
‫إنى مراحم تكىين انمهندسين‬
aux Cycles de Formation d’Ingénieurs
2019 ‫دورة‬
Session 2019

Concours Mathématique et Physique, Physique et Chimie et Technologie

Corrigé épreuve d’informatique

PROBLEME 1
Partie 1 : Représentation de la structure d’arbre binaire
1. la méthode isLeaf
def isLeaf(self):
return self.left == None and self.right == None
#ou bien return self.left is self.right is None

2. la méthode __len__
def __len__(self):
if self.isLeaf():
return 1
elif self.left == None:
return 1 + len(self.right)
elif self.right == None:
return 1 + len(self.left)
else:
return 1 + len(self.left) + len(self.right)

3. la méthode __str__
def __str__(self):
if self.isLeaf():
return "Node("+self.label+")"
else:
return "Node("+self.label+","+str(self.left)+
","+str(self.right)+ ")"

Partie 2 : Représentation du modèle de décision

1. l’entête de la classe DecisionNode
class DecisionNode(Node):

2. la méthode __init__
def __init__(self,label,distr,S,left,right):
Node.__init__(self,label,left,right)
self.seuil = S
self.distr = distr

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 1/7
 3. la méthode outcome
def outcome(self,val):
try:
assert not self.isLeaf()
if val >= self.seuil:
return self.left
else:
return self.right
except:
print("le noeud est une feuille")

4. la méthode __str__
def __str__(self):
L = self.linearize()
ch=""
for e in L:
ch+="IF"
for i in range(1,len(e)):
if e[i] == e[i-1].left:
ch+=e[i-1].label+">="+str(e[i-1].seuil)+ "AND"
else:
ch+=e[i-1].label+"<"+str(e[i-1].seuil)+ "AND"
ch = ch[:len(ch)-4]+"THEN"+
e[len(e)-1].label+"="+str(e[len(e)-1].distr)+ "\n"
return ch

5. la méthode predict
def predict (self,dicobs):
currentNode = self
while not(currentNode.isLeaf())and currentNode.label in dicobs:
curvalue = dicobs[currentNode.label]
currentNode = currentNode.outcome(curvalue)
return currentNode.distr

6. la méthode __init__
def __init__(self):
self. listNodes = []

7. la méthode add
def add(self,dt):
self. listNodes.append(dt)

8. la méthode predict
def predict(self, dicobs):
if len(self.listNodes) == 0:
distr = {0:0.5, 1:0.5}
else:
p0 = 0
for e in self.listNodes:

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 2/7
 d = e.predict(dicobs)
p0+=d[0]
p0 = p0/len(self.listNodes)
distr = {0:p0, 1:1-p0}
return distr

Partie 3 : Apprentissage
1. la fonction CountValues
def CountValues(DSET,ind):
e = set()
for i in range(DSET.shape[0]):
e.add(DSET[i,ind])
return len(e)

2. la fonction EvalDistr
def EvalDistr(DSET):
n,m = np.shape(DSET)
if (n,m) == (0,0):
d = {0:0.5,1:0.5}
else:
d={0:0,1:0}
for i in range(n):
if DSET[i,m-1] == 0:
d[0]+=1/n
else:
d[1]+=1/n
return d

3. la fonction IsPure
def IsPure(DSET):
d = EvalDistr(DSET)
if d[0] == 1 or d[1] == 1:
return True
else:
return False

4. la fonction IsQualitative
def IsQualitative(DSET):
n,m = np.shape(DSET)
L = [True]*m
for j in range(m):
i = 0
while 1:
if DSET[i,j] not in [0,1]:
L[j] = False
break
i+=1
if i = n:
break
Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 3/7
 return L
5. la fonction Cut
def Cut(DSET, Lcol, obs, S = 0.5):
indice = Lcol.index(obs)
n,m = np.shape(DSET)
n1,n2 = 0,0
for i in range(n):
if DSET[i,indice] >= S:
n1+=1
else:
n2+=1
ds1=np.empty((n1,m-1))
ds2=np.empty((n2,m-1))
k11,k21 = 0,0
for i in range (n):
if DSET[i,indice] >= S:
k2=0
for j in range(indice):
ds1[k11,k2]=DSET[i,j]
k2+=1
for j in range(indice+1,m):
ds1[k11,k2]=DSET[i,j]
k2+=1
k11+=1
else:
k2=0
for j in range(indice):
ds2[k21,k2]=DSET[i,j]
k2+=1
for j in range(indice+1,m):
ds2[k21,k2]=DSET[i,j]
k2+=1
k21+=1
L1 = Lcol[:indice] + Lcol[indice+1:]
L2 = [ds1,ds2]
L3 = [n1/n,n2/n]
return L1 , L2 , L3

6. la fonction Impurity
def Impurity(DSET, Lcol, obs, S = 0.5):
t = Cut(DSET, col, obs, S)
p1 = t[2][0]
p2 = t[2][1]
ds1 = t[1][0]
ds2 = t[1][1]
d1 = EvalDistr(ds1)
d2 = EvalDistr(ds2)
m1 = min(d1[0],d1[1])
m2 = min(d2[0],d2[1])
return(p1*m1+p2*m2)

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 4/7
 7. la fonction SortObs
def SortObs(DSET,Lcol,obs):
n,m = np.shape(DSET)
indice = Lcol.index(obs)
Lc = []
for i in range(n):
Lc.append((DSET[i,indice],DSET[i,m-1]))
Lc.sort()
return Lc

8. la fonction BestCut
def BestCut(DSET, Lcol, obs, qual):
i = Lcol.index(obs)
if qual[i]:
return Impurity(DSET,Lcol,obs,0.5))
else:
Lc = SortObs(DSET,Lcol,obs)
if IsPure(DSET):
LSeuil = [max(Lc)]
else:
LSeuil = []
for i in range(len(Lc)-1):
if Lc[i][1]!=Lc[i+1][1]:
LSeuil.append((Lc[i][0]+Lc[i+1][0])/2)

sBest = LSeuil[0]
vbest = Impurity(DSET,Lcol,obs,sBest)
for s in LSeuil:
imp = Impurity(DSET,Lcol,obs,s)
if imp<vBest:
vBest = imp
sBest = s
return vBest,sBest

9. la fonction BuildTree
def BuildTree(DSET, Lcol, qual):
distr = EvalDistr(DSET)
if DSET.shape == (0,0) or IsPure(DSET) or len(Lcol) == 1:
return DecisionNode(Lcol[0], distr)
else:
LvBest = []
LsBest=[]
for obs in Lcol[:len(Lcol)-1]:
sBest, vBest = BestCut(DSET, colonnes, obs, qual)
LvBest.append(vBest)
LsBest.append(sBest)
indice=LvBest(min(LvBest))
sBest=LsBest[indice]

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 5/7
 oBest=Lcol[indice]
L=Cut(DSET, Lcol, oBest, sBest)
DSET1=L[1][0]
DSET2=L[1][1]
Lcol= L[0]
rqual = qual[:]
rqual.pop(Lcol.index(oBest))

root=DecisionNode(oBest,distr,BuildTree(DSET1,Lcol,rqual),
BuildTree(DSET2, Lcol, rqual),sBest)
return root

PROBLEME 2
Partie 1 : algèbre relationnelle
1. Π
𝑑𝑠 _𝑖𝑑 ,𝑑𝑠 _𝑛𝑎𝑚𝑒 ,𝑑𝑠 _𝑑𝑒𝑠𝑐𝑟𝑖𝑝𝑡𝑖𝑜𝑛 𝜎 𝑓𝑜𝑟𝑚𝑎𝑡 =′ 𝑐𝑠 𝑣 ′ 𝐷𝑎𝑡𝑎𝑆𝑒𝑡

2. Π𝑐𝑙𝑠 _𝑑𝑒𝑐𝑟𝑖𝑝𝑡𝑖𝑜𝑛 ( 𝜎𝑙𝑎𝑛𝑔𝑢𝑎𝑔𝑒 =′ 𝑃𝑦𝑡 𝑕 𝑜𝑛 ′ 𝑒𝑡 𝑐𝑎𝑡𝑒𝑔𝑜𝑟𝑦 =′ 𝐾𝑁 𝑁 ′ (𝐶𝑙𝑎𝑠𝑠𝑖𝑓𝑖𝑒𝑢𝑟 ⋈𝑐𝑙𝑠 _𝑖𝑑 𝐶𝑜𝑚𝑏𝑖𝑛𝑒 ⋈𝑚 _𝑛𝑎𝑚𝑒 𝑀𝑒𝑡 𝑕𝑜𝑑 )

Partie 2 : SQL
3.
SELECT ds_id FROM Classifieur WHERE error_rate < 0.3
4.
SELECT D.ds_id , ds_name FROM DataSet AS D , Classifieur AS C
WHERE (D.ds_id = C.ds_id)
EXCEPT
SELECT D.ds_id , ds_name FROM DataSet AS D, Classifieur AS
WHERE (D.ds_id = C.ds_id) AND (language <> 'Python')
5.
SELECT D.ds_id , COUNT(DISTINCT M.m_name) AS NB_M
FROM DataSet AS D , Classifieur AS C , Combine AS CM , Method AS M
WHERE (D.ds_id = C.ds_id)
AND (C.cls_id = CM.cls_id)
AND (CM.m_name = M.m_name)
GROUP BY D.ds_id
6.
UPDATE DataSet SET nb_instances = nb_instances + 100
WHERE ds_id IN (SELECT ds_id FROM Classifieur WHERE language ='Python')

Partie 3 : sqlite3
7.
import sqlite3
cnx = sqlite3.connect("classifieur.db")
cur = cnx.cursor()

cur.execute("CREATE TABLE Method (m_name TEXT PRIMARY KEY,

category TEXT, m_description TEXT ) ")

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 6/7
 f = open("DataMeth.txt",’r’)
L = f.readlines() # ou bien
Ldata = [ l.strip().split('#') for l in L] ldata =
[l.strip().split('
#') for l in f]

cur.executemany("INSERT INTO Method VALUES(?,?,?) ", ldata)

cur.execute("SELECT ds_id , AVG(error_rate) AS M_erreur FROM Classifieur

GROUP BY ds_id ORDER BY ds_id")
L=cur.fetchall() # ou bien
x=[i[0] for i in L] x, y =
y=[i[1] for i in L] zip(*cur.f
etchall())

import matplotlib.pyplot as plt

plt.plot(x,y)
plt.show()

Concours (Mathématiques et Physique, Physique et Chimie et Technologie)- Session Juin 2019 Epreuve d’Informatique Page 7/7