Skip to Main content Skip to Navigation
Conference papers

Sélection prédictive d'un modèle génératif par le critère AICp

Vincent Vandewalle 1, 2
2 SELECT - Model selection in statistical learning
LMO - Laboratoire de Mathématiques d'Orsay, Inria Saclay - Ile de France
Résumé : L'obtention de bonnes performances en analyse discriminante est conditionnée par le choix du modèle. Le critère de choix de modèle le plus utilisé dans ce contexte est la validation croisée. Cependant, ce dernier nécessite un temps de calcul important et est sujet à variations. Dans cet article on introduit la notion de dimension prédictive d'un modèle génératif. Cette notion reflète la complexité du modèle génératif compte tenu de la tâche de prédiction. Elle nous permet de construire un critère de choix de modèle alternatif, le critère AICp. Ce critère se compose de la log vraisemblance évaluée en les étiquettes conditionnellement aux covariables, pénalisée par la dimension prédictive du modèle. Contrairement à la validation croisée, la critère AICp se calcule rapidement. De plus, des expériences sur des données réelles démontrent son intérêt.
Document type :
Conference papers
Complete list of metadata

Cited literature [7 references]  Display  Hide  Download

https://hal.inria.fr/inria-00386678
Contributor : Conférence Jds2009 <>
Submitted on : Friday, May 22, 2009 - 9:12:25 AM
Last modification on : Friday, November 27, 2020 - 2:18:02 PM
Long-term archiving on: : Monday, October 15, 2012 - 10:55:15 AM

File

p117.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00386678, version 1

Collections

Citation

Vincent Vandewalle. Sélection prédictive d'un modèle génératif par le critère AICp. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386678⟩

Share

Metrics

Record views

505

Files downloads

555