Skip to Main content Skip to Navigation
New interface
Conference papers

Modèles de références de régression multinomiale. Propriétés et applications en classification supervisée.

Jean Peyhardi 1, 2 Catherine Trottier 2, 3 Yann Guédon 1, 4 
1 VIRTUAL PLANTS - Modeling plant morphogenesis at different scales, from genes to phenotype
CRISAM - Inria Sophia Antipolis - Méditerranée , INRA - Institut National de la Recherche Agronomique, UMR AGAP - Amélioration génétique et adaptation des plantes méditerranéennes et tropicales
Résumé : Résumé. De nombreuses extensions du modèle logit ont été introduites dans le cas binomial, comme le modèle probit, mais aucune n'a été proposée dans le cas multinomial non-ordonné. Nous introduisons une nouvelle famille de modèles de régression pour variable réponse nominale construit a partir de fonctions de répartition autres que la logistique et décrivons leur estimation. Pour cela nous mettons en évidence, dans la fonction de lien, la probabilité de chaque catégorie conditionnée par la catégorie de référence. Au contraire du modèle logit multinomial, le choix de cette catégorie de référence affecte l'ajustement du modèle. Nous utilisons alors cette propriété afin de proposer un ensemble de nouveaux classifieurs supervisés, que nous testons sur trois jeux de données classiques.
Document type :
Conference papers
Complete list of metadata

Cited literature [3 references]  Display  Hide  Download

https://hal.inria.fr/hal-01101058
Contributor : Christophe Godin Connect in order to contact the contributor
Submitted on : Wednesday, January 7, 2015 - 4:56:48 PM
Last modification on : Tuesday, October 25, 2022 - 4:21:56 PM
Long-term archiving on: : Friday, September 11, 2015 - 1:35:50 AM

File

TexteLong_vmodif.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01101058, version 1
  • PRODINRA : 313514

Citation

Jean Peyhardi, Catherine Trottier, Yann Guédon. Modèles de références de régression multinomiale. Propriétés et applications en classification supervisée.. 46 ème journée de Statistique, Ecole Nationale de la Statistique et de l'Analyse de l'Information (Ensai). FRA., Jun 2014, Rennes, France. ⟨hal-01101058⟩

Share

Metrics

Record views

208

Files downloads

1802