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.
Type de document :
Rapport
[Rapport de recherche] RR-0949, INRIA. 1988, pp.14
Liste complète des métadonnées

https://hal.inria.fr/inria-00075610
Contributeur : Rapport de Recherche Inria <>
Soumis le : mercredi 24 mai 2006 - 18:36:58
Dernière modification le : samedi 17 septembre 2016 - 01:06:52
Document(s) archivé(s) le : vendredi 13 mai 2011 - 13:33:41

Fichiers

Identifiants

  • 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〉

Partager

Métriques

Consultations de la notice

519

Téléchargements de fichiers

224