Apprentissage de sphères maximales d’exclusion avec garanties théoriques
Résumé
Dans ce papier, nous proposons une méthode d'apprentissage automatique avec garanties théoriques pour générer des sphères maximales d'exclusion sur des données binaires présentant un fort déséquilibre. Notre objectif est d'apprendre un ensemble de sphères locales, centrées sur les exemples de la classe minoritaire, qui excluent les exemples de la classe majoritaire. Notre contribution est double : 1) le problème est abordé comme un problème d'apprentissage de métrique et 2) nous démontrons des résultats de stabilité uniforme sur le rayon et la métrique apprise par notre algorithme. Nos expériences sur des jeux de données réelles montrent l'intérêt de notre approche.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...