Découverte de sous-groupes à partir de données séquentielles par échantillonnage et optimisation locale - Archive ouverte HAL Access content directly
Conference Papers Year : 2019

Découverte de sous-groupes à partir de données séquentielles par échantillonnage et optimisation locale

Romain Mathonat
Jean-François Boulicaut
Mehdi Kaytoue

Abstract

La découverte de règles caractéristiques d'une classe reste un pro-blème difficile, particulièrement dans le cadre des données séquentielles (sé-quences d'ensembles). La découverte de sous-groupes est une bonne formalisa-tion de cette tâche et de nombreux algorithmes dédiés ont été proposés ces 20 dernières années. Une exploration dite exhaustive est souvent inapplicable au vu de la taille de l'espace de recherche, et les méthodes heuristiques de référence, principalement les recherches en faisceau, posent des problèmes de paramétrage. Nous proposons une méthode d'échantillonnage depuis l'espace des motifs pour la découverte de sous-groupes dans des données séquentielles étiquetées. Celle-ci permet, entre autres, de trouver des optima locaux, ne nécessite pas de para-métrage, est indépendante de la mesure de qualité utilisée, et est simple à mettre en oeuvre. La validation empirique sur divers jeux de données nous permet de valider les qualités de cette approche.
Fichier principal
Vignette du fichier
1002477.pdf (815.49 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02278857 , version 1 (04-09-2019)

Identifiers

  • HAL Id : hal-02278857 , version 1

Cite

Romain Mathonat, Jean-François Boulicaut, Mehdi Kaytoue. Découverte de sous-groupes à partir de données séquentielles par échantillonnage et optimisation locale. Extraction et Gestion des Connaissances, Jan 2019, Metz, France. pp.153-164. ⟨hal-02278857⟩
101 View
144 Download

Share

Gmail Facebook X LinkedIn More