Une vision de la régression linéaire floue au travers de l'arithmétique des intervalles
Résumé
La régression linéaire floue basée sur l'utilisation de programmes linéaires, proposée par Tanaka, permet d'identifier des modèles à l'aide de données imprécises. Une fois les contraintes utilisées exprimées à l'aide de l'arithmétique des intervalles, nous nous focaliserons sur le fonctionnement des divers critères de base, afin d'expliquer leurs faiblesses liées à la répartition des données. Nous verrons, à l'aide de divers indicateurs de performance exposés, qu'un nouveau critère proposé, indépendant de cette distribution, permet d'obtenir des modèles globalement moins imprécis.