Quand devons-nous utiliser l'algorithme EM pour effectuer un apprentissage de structure de RB ?

Olivier François (1)

1 LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes

De nombreuses méthodes d'apprentissage de réseaux bayésiens sont apparues durant ces deux dernières décénies. Néanmoins, peu de techniques proposent actuellement d'effectuer un tel travail lorsque la base d'exemples est incomplète. Nous avons adapté certains algorithmes gloutons à cette tâche en utilisant soit l'algorithme Expectation-Maximisation, soit la méthode Pairwise Deletion. La méthode EM s'avère être la plus communément utilisée pour traiter les bases incomplètes. Cependant, à travers une étude expérimentale basée sur l'exemple bien connu d'ASIA, nous allons montrer que l'utilisation de cet algorithme ne doit pas être favorisée dans toutes circonstances.

Mots clés: Apprentissage de structure; données incomplètes; EM; pairwise deletion; réseaux bayésiens; bayesian network; structure learning

Domaines: Apprentissage [cs.LG]

Olivier François. Quand devons-nous utiliser l'algorithme EM pour effectuer un apprentissage de structure de RB ?. Journées Francophone sur les Réseaux Bayésiens, May 2008, Lyon, France. ⟨hal-00272110⟩