Un critère Bayésien pour évaluer la robustesse des règles de classification

Résumé : L'utilisation de règles de classification dans les modèles prédictifs a été très étudiée ces dernières années. La forme simple et interprétable des règles en font des motifs très populaires. Les classifieurs combinant des règles de classification intéressantes (selon une mesure d'intérêt) offrent de bonnes performances de prédictions. Cependant, les performances de ces classifieurs dépendent de la mesure d'intérêt (e.g., confiance, taux d'accroissement, ... ) et du seuillage (non-trivial) de cette mesure pour déterminer les règles pertinentes. De plus, il est facile de montrer que les règles extraites ne sont pas individuellement robustes. Dans cet article, nous proposons un nouveau critère pour évaluer la robustesse des règles de classification dans les données Booléennes. Notre critère est issu d'une approche Bayésienne : nous proposons une expression analytique de la probabilité d'une règle connaissant les données. Ainsi, les règles les plus probables sont robustes. Le critère Bayésien nous permet alors d'identifier (sans paramètre) les règles robustes parmi un ensemble de règles données.
Type de document :
Communication dans un congrès
Extraction et gestion des connaissances (EGC'2011), Jan 2011, Brest, France. Revues des nouvelles technologies de l'information, 20, pp.539--550, 2011
Liste complète des métadonnées

http://hal.univ-reunion.fr/hal-01464493
Contributeur : Réunion Univ <>
Soumis le : vendredi 10 février 2017 - 11:43:11
Dernière modification le : vendredi 10 février 2017 - 11:43:11

Identifiants

  • HAL Id : hal-01464493, version 1

Collections

Citation

Dominique Gay, Marc Boullé. Un critère Bayésien pour évaluer la robustesse des règles de classification. Extraction et gestion des connaissances (EGC'2011), Jan 2011, Brest, France. Revues des nouvelles technologies de l'information, 20, pp.539--550, 2011. 〈hal-01464493〉

Partager

Métriques

Consultations de la notice

10