Discrépance et dispersion : des critères optimaux en apprentissage ? - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement
Communication Dans Un Congrès Année : 2009

Discrepance and dispersion : optimum criterion in machine learning ?

Discrépance et dispersion : des critères optimaux en apprentissage ?

Résumé

Nous souhaitons générer des bases d'apprentissage adaptées à la classification. Nous montrons d'abord que les résultats théoriques privilégiant les suites à discrépance faible pour les problèmes de régression sont inadaptés à la classification. Puis nous donnons des arguments théoriques et des résultats de simulation montrant que c'est la dispersion des points d'apprentissage qui est le critère pertinent à minimiser pour optimiser les performances en classification.
Fichier non déposé

Dates et versions

hal-02591893 , version 1 (15-05-2020)

Identifiants

Citer

Benoît Gandar, G. Loosli, Guillaume Deffuant. Discrépance et dispersion : des critères optimaux en apprentissage ?. CAP'09 (Conférence en Apprentissage), May 2009, Hammamet, Tunisie. pp.4. ⟨hal-02591893⟩
26 Consultations
0 Téléchargements

Partager

More