Classification binaire et modèle - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport (Rapport De Recherche) Année : 1988

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.
Fichier principal
Vignette du fichier
RR-0949.pdf (770.79 Ko) Télécharger le fichier

Dates et versions

inria-00075610 , version 1 (24-05-2006)

Identifiants

  • HAL Id : inria-00075610 , version 1

Citer

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

Partager

Gmail Facebook X LinkedIn More