Construction d'histogrammes irréguliers par maximum de vraisemblance pénalisé
Résumé
We present in this paper a new fully automated method for irregular
histogram construction based on the Minimum Description Length
principle. Associated to a greedy search heuristic, our method scales in $\mathcal{O}(n
\log{} n)$ for $n$ observations and can applied to large scale data sets,
contrarily to existing work. An experimental evaluation on synthetic and real
data shows the strengths and limitations of our approach compared to
state-of-the-art methods.
Nous proposons dans cette communication une méthode de
construction totalement automatique d'histogrammes irréguliers basée sur le
principe du Minimum Description Length. Couplée à une heuristique
d'optimisation, notre approche permet une construction en $\mathcal{O}(n
\log{} n)$ pour $n$ observations ce qui la rend applicable à des données très
volumineuses, contrairement aux méthodes existantes de même nature. Une
évaluation expérimentale sur des données synthétiques et réelles montre les
atouts de notre approche par rapport à celles de l'état de l'art.
Fichier principal
Gabarit_colloque2020.pdf (336.43 Ko)
Télécharger le fichier
interval-choices.png (282.4 Ko)
Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
