Classification à base de clustering ou décrire et prédire simultanément

Résumé : Dans certains domaines applicatifs, la compréhension (la description) des résultats issus d’un classifieur est une condition aussi importante que sa performance prédictive. De ce fait, la qualité du classifieur rèside donc dans sa capacité à fournir des résultats ayant de bonnes performances en prédiction tout en produisant simultanément des résultats compréhensibles par l’utilisateur. On parle ici du compromis interprétation vs. performance des modéles d’apprentissage automatique. Dans cette thèse, on s’intéresse à traiter cette problématique. L’objectif est donc de proposer un classifieur capable de décrire les instances d’un problème de classification supervisée tout en prédisant leur classe d’appartenance (simultanément).
Type de document :
Communication dans un congrès
Treizièmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle (RJCIA 2015), Jun 2015, Rennes, France. RJCIA 2015
Liste complète des métadonnées

https://hal.inria.fr/hal-01178907
Contributeur : Sylvain Bouveret <>
Soumis le : mardi 21 juillet 2015 - 11:40:36
Dernière modification le : mercredi 29 novembre 2017 - 15:56:46

Identifiants

  • HAL Id : hal-01178907, version 1

Citation

Oumaima Alaoui Ismaili, Vincent Lemaire, Antoine Cornuéjols. Classification à base de clustering ou décrire et prédire simultanément. Treizièmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle (RJCIA 2015), Jun 2015, Rennes, France. RJCIA 2015. 〈hal-01178907〉

Partager

Métriques

Consultations de la notice

102