Skip to Main content Skip to Navigation
Conference papers

Classification de données ordinales : modèles et algorithmes

Résumé : La classification d'un ensemble d'objets décrits par un ensemble de variables ordinales est souvent abordée en considérant ces variables soit continues soit nominales. Dans les deux cas, cela représente souvent des inconvénients. Dans ce travail, nous traitons la classification des données ordinales sous l'approche modèle de mélange. Nous utilisons un modèle de mélange multinomial contraint respectant le caractère ordinal des modalités. L'estimation des paramètres est réalisée par la maximisation de la vraisemblance à l'aide de l'algorithme EM. Dans ce travail, nous considérons aussi une version stochastique et une version classifiante basée sur la maximisation d'une vraisemblance classifiante. Des modèles parcimonieux conduisant, sous l'approche classifiante, à des critères métriques sont décrits. Nous abordons également le problème du nombre de classes, de l'initialisation des algorithmes ainsi que la gestion des classes vides.
Document type :
Conference papers
Complete list of metadata

Cited literature [8 references]  Display  Hide  Download

https://hal.inria.fr/inria-00386774
Contributor : Conférence Jds2009 <>
Submitted on : Friday, May 22, 2009 - 9:19:58 AM
Last modification on : Friday, March 27, 2020 - 2:34:30 AM
Long-term archiving on: : Thursday, June 10, 2010 - 11:42:21 PM

File

p214.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00386774, version 1

Collections

Citation

François-Xavier Jollois, Mohamed Nadif. Classification de données ordinales : modèles et algorithmes. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386774⟩

Share

Metrics

Record views

217

Files downloads

597