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.
Type de document :
Communication dans un congrès
41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00386774
Contributeur : Conférence Jds2009 <>
Soumis le : vendredi 22 mai 2009 - 09:19:58
Dernière modification le : vendredi 8 décembre 2017 - 13:32:02
Document(s) archivé(s) le : jeudi 10 juin 2010 - 23:42:21

Fichier

p214.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • 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. 2009. 〈inria-00386774〉

Partager

Métriques

Consultations de la notice

119

Téléchargements de fichiers

266