Skip to Main content Skip to Navigation
Conference papers

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.
Document type :
Conference papers
Complete list of metadata

https://hal.inrae.fr/hal-02591893
Contributor : Migration Irstea Publications <>
Submitted on : Friday, May 15, 2020 - 3:35:38 PM
Last modification on : Tuesday, March 23, 2021 - 5:22:03 PM

Identifiers

  • HAL Id : hal-02591893, version 1
  • IRSTEA : PUB00026366

Collections

Citation

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⟩

Share

Metrics

Record views

26