Détection non supervisée d'une sous-population par méthode d'ensemble et changement de représentation itératif - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2012

Détection non supervisée d'une sous-population par méthode d'ensemble et changement de représentation itératif

Résumé

L’apprentissage non supervisé a classiquement pour objectif la dé- tection de sous-populations homogènes (classes) sans information a priori sur celles-ci. Les classes sont considérées de manière équivalente. Le problème étudié dans cet article est quelque peu distinct. On s’intéresse uniquement à une sous-population d’intérêt dans l’échantillon étudié que l’on cherche à identifier avec une sensibilité et une spécificité optimales. Nous proposons, pour cela, une méthode s’appuyant sur les principes suivants : (1) travailler dans l’espace de représentation fournis par d’experts faibles pour cette tâche, (2) confronter ces experts pour détecter des seuils de sélection plus pertinents, et (3) les combiner itérativement afin de converger vers l’expert idéal. Cette méthode est éprouvée et comparée sur des données synthétiques.
Fichier non déposé

Dates et versions

hal-01565524 , version 1 (19-07-2017)

Identifiants

  • HAL Id : hal-01565524 , version 1
  • PRODINRA : 399116

Citer

Christine Martin, Antoine Cornuéjols. Détection non supervisée d'une sous-population par méthode d'ensemble et changement de représentation itératif. 12. Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances (EGC 2012), Jan 2012, Bordeaux, France. ⟨hal-01565524⟩
33 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More