Skip to Main content Skip to Navigation
Conference papers

Sélection de points en apprentissage actif. Discrépance et dispersion : des critères optimaux ?

Résumé : Nous souhaitons générer des bases d'apprentissage adaptées aux problèmes de classification. Nous montrons tout d'abord que les résultats théoriques privilégiant les suites à discrépance faible pour les problèmes de régression sont inadaptés aux problèmes de classification. Nous donnons ensuite des arguments théoriques et des résultats de simulations montrant que c'est la dispersion des points d'apprentissage qui est le critère pertinent à minimiser pour optimiser les performances de l'apprentissage en classification.
Document type :
Conference papers
Complete list of metadata

Cited literature [14 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-00473249
Contributor : Import Ws Irstea <>
Submitted on : Wednesday, April 14, 2010 - 6:25:21 PM
Last modification on : Wednesday, April 21, 2021 - 8:52:05 AM
Long-term archiving on: : Tuesday, September 14, 2010 - 6:53:32 PM

File

CF2009-PUB00027310.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-00473249, version 1
  • IRSTEA : PUB00027310

Collections

Citation

B. Gandar, Gaëlle Loosli, G. Deffuant. Sélection de points en apprentissage actif. Discrépance et dispersion : des critères optimaux ?. MajecSTIC 2009, Nov 2009, Avignon, France. 8 p. ⟨hal-00473249⟩

Share

Metrics

Record views

250

Files downloads

353