Optimisation multi-objectif pour la sélection de modèles SVM

Clément Chatelain (1) , Yannick Oufella (1) , Sébastien Adam (1) , Yves Lecourtier (1) , Laurent Heutte (1)

1 DocApp - LITIS - Equipe Apprentissage

Dans cet article, nous proposons une méthode d'optimisation multi-objectif pour la sélection de modèle SVM, en utilisant l'algorithme NSGA-II. Le faux rejet et la fausse acceptation sont les deux critères employés pour trouver les hyperparameters optimaux d'un ensemble de classifieurs SVM. La stratégie proposée est appliquée à une tâche de discrimination chiffre/rejet embarquée dans un système plus global d'extraction d'information dans des documents manuscrits. Nos expérimentations sur une base réelle de chiffres/rejet montrent que notre méthode fournit de meilleurs résultats que les techniques d'optimisation mono-objectif plus classiques telle que l'apprentissage basé sour un critère d'aire sous la courbe ROC. Ces résultats sont dans un second temps validés sur des bases de l'UCI.

Domaines: Traitement du texte et du document

Clément Chatelain, Yannick Oufella, Sébastien Adam, Yves Lecourtier, Laurent Heutte. Optimisation multi-objectif pour la sélection de modèles SVM. Reconnaissance des Formes et Intelligence Artificielle (RFIA'08), Jan 2008, France. pp.67-72. ⟨hal-00671129⟩