Skip to Main content Skip to Navigation
Reports

Classification binaire et modèle

Résumé : Les liens existant entre les méthodes de classification automatique et les modèles de statistique inférentielle ont surtout été étudiés lorsque les données sont quantitatives. Le critère d'inertie interclasse est alors associé à un mélange gaussien (Scott et Symons 1971, Schroeder 1976, Celeux 1988). Nous nous proposons ici de le faire lorsque les données sont binaires. Nous montrons comment l'identification d'un mélange de distributions de Bernoulli avec le même paramètre pour toutes les classes et toutes les variables correspond à un critère de classification binaire utilisant la distance L1 et des noyaux binaires. Nous avons généralisé ce modèle en prenant des paramètres qui dépendent des variables mais qui sont toujours les mêmes pour toutes les classes. Enfin, nous terminons par le cas le plus général : cette fois, les paramètres peuvent varier suivant les classes et les variables. On retrouve le modèle des classes latentes traité par Celeux.
Document type :
Reports
Complete list of metadata

https://hal.inria.fr/inria-00075610
Contributor : Rapport de Recherche Inria <>
Submitted on : Wednesday, May 24, 2006 - 6:36:58 PM
Last modification on : Thursday, February 11, 2021 - 2:48:12 PM
Long-term archiving on: : Friday, May 13, 2011 - 1:33:41 PM

Identifiers

  • HAL Id : inria-00075610, version 1

Collections

Citation

Gérard Govaert. Classification binaire et modèle. [Rapport de recherche] RR-0949, INRIA. 1988, pp.14. ⟨inria-00075610⟩

Share

Metrics

Record views

747

Files downloads

268