Un Cadre Formel de Boosting pour l'Adaptation de Domaine - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2012

Un Cadre Formel de Boosting pour l'Adaptation de Domaine

Amaury Habrard
Jean-Philippe Peyrache
  • Fonction : Auteur
  • PersonId : 764766
  • IdRef : 20024910X
Marc Sebban

Résumé

L' hypothèse PAC classique, selon laquelle les données d' apprentissage et de test sont issues d'une même distribution, n'est pas satisfaite dans bon nombre de problèmes réels en apprentissage. Pour traiter des cas où les données sont issues de distributions source et cible différentes, un cadre récent - l'adaptation de domaine (AD) - permet de concevoir des algorithmes théoriquement fondés. Nous présentons DABOOST basé à la fois sur les théories du Boosting et de l'AD. L'originalité par rapport à l'état de l'art est que notre méthode nécessite uniquement des étiquettes source. Aucune information sur les étiquettes cible n'étant disponible, nous minimisons à la fois l'erreur en classification sur la source, comme ADABOOST, et la proportion de violations de marge sur la cible. Nous montrons théoriquement la convergence de DABOOST avec une borne sur l'erreur en généralisation et donnons des exemples pratiques de son efficacité.
Fichier principal
Vignette du fichier
cap2012_submission_12.pdf (194.45 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00745487 , version 1 (25-10-2012)

Identifiants

  • HAL Id : hal-00745487 , version 1

Citer

Amaury Habrard, Jean-Philippe Peyrache, Marc Sebban. Un Cadre Formel de Boosting pour l'Adaptation de Domaine. Conférence Francophone sur l'Apprentissage Automatique - CAp 2012, Laurent Bougrain, May 2012, Nancy, France. 16 p. ⟨hal-00745487⟩
251 Consultations
68 Téléchargements

Partager

Gmail Facebook X LinkedIn More