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, Centre de coopération internationale en recherche agronomique pour le développement [CIRAD] : UMR51
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.
Type de document :
Communication dans un congrès
46 ème journée de Statistique, Jun 2014, Rennes, France
Liste complète des métadonnées

Littérature citée [3 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01101058
Contributeur : Christophe Godin <>
Soumis le : mercredi 7 janvier 2015 - 16:56:48
Dernière modification le : samedi 2 décembre 2017 - 01:18:45
Document(s) archivé(s) le : vendredi 11 septembre 2015 - 01:35:50

Fichier

TexteLong_vmodif.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01101058, version 1

Citation

Jean Peyhardi, Catherine Trottier, Yann Guédon. Modèles de références de régression multinomiale. Propriétés et applications en classification supervisée.. 46 ème journée de Statistique, Jun 2014, Rennes, France. 〈hal-01101058〉

Partager

Métriques

Consultations de la notice

398

Téléchargements de fichiers

194