ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 22/3 - 2017  - pp.35-63  - doi:10.3166/isi.22.3.35-63
TITRE
Dissimilarités entre jeux de données

TITLE
Dataset dissimilarity

RÉSUMÉ
La caractérisation de jeu de données reste un obstacle majeur pour l’analyse de données intelligente. Nombre d’approches à ce problème agrègent les informations décrivant les attributs individuels des jeux de données, ce qui représente une perte d’information. Nous proposons une approche par dissimilarité permettant d’éviter cette agrégation, et étudions son intérêt dans la caractérisation des performances d’algorithmes de classification et dans la résolution de problèmes de méta-apprentissage.


ABSTRACT
Characterizing datasets has long been an important issue for algorithm selection and meta-level learning. Most approaches share a potential weakness in the aggregation of informations about individual features of the datasets. We propose a dissimilarity based approach avoiding this particular issue, and show the benefits it can yield in characterizing the appropriateness of classification algorithms, and in the context of meta-level classification.


AUTEUR(S)
William RAYNAUT, Chantal SOULE-DUPUY, Nathalie VALLES-PARLANGEAU

MOTS-CLÉS
caractérisation de jeux de données, dissimilarité, méta-attributs, sélection d’algorithmes, méta-apprentissage.

KEYWORDS
dataset characterization, dissimilarity, meta-features, meta-learning, algorithm selection.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (396 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier