Apport de la négation pour la classification supervisée à l'aide d'associations

François Rioult (1) , Bruno Zanuttini (2) , Bruno Crémilleux (1)

1 Equipe CODAG - Laboratoire GREYC - UMR6072
2 Equipe MAD - Laboratoire GREYC - UMR6072

L'utilisation de règles d'association est une méthode bien connue pour des tâches de classification supervisée. Traditionnellement, les règles utilisées sont de la forme X -> c, où X est un ensemble d'attributs et c est une valeur de classe. Nous nous intéressons à la généralisation naturelle de ces règles consistant à autoriser des attributs négatifs en prémisse ainsi que des valeurs de classe négatives en conclusion. Comprendre l'impact des règles avec négation dans un processus de classification est une tâche cruciale. Nous proposons un classifieur utilisant de telles règles et étudions l'apport de ces dernières pour la tâche de classification. Contrairement à l'intuition, il s'avère que, toutes choses égales par ailleurs, l'utilisation de ces règles avec négation en classification est délicate.

Domaines: Intelligence artificielle [cs.AI]

François Rioult, Bruno Zanuttini, Bruno Crémilleux. Apport de la négation pour la classification supervisée à l'aide d'associations. Conférence francophone sur l'apprentissage automatique (CAp 2008), 2008, France. pp.183-196. ⟨hal-00995242⟩