Skip to Main content Skip to Navigation
New interface
Conference papers

Pertinence des mesures de confiance en classification

Philippe Leray Hugo Zaragoza 1 Florence d'Alché-Buc 1 
1 APA - Apprentissage et Acquisition des connaissances
LIP6 - Laboratoire d'Informatique de Paris 6
Résumé : Nous posons le problème de la validation locale des réseaux de neurones artificiels et plus généralement des systèmes automatiques de reconnaissance des formes dans un contexte opérationnel (industriel ou médical par exemple). Est-il possible d’associer un degré de confiance à la réponse locale d’un classifieur semi-paramétrique ? Comment le calculer ? Comment juger de sa pertinence ? Nous explorons cette question importante peu traitée dans la littérature du domaine en la formulant dans le cadre des perceptrons multicouches (PMC). Deux types de mesures heuristiques de confiance sont proposés : l'un reflétant la qualité de la modélisation opérée par le système, l'autre traduisant l'importance relative des estimations des probabilités des classes perdantes. Nous proposons aussi des critères d'évaluation de ces mesures et appliquons ensuite les méthodes proposées sur un exemple simulé et sur un problème réel de diagnostic. Les mesures de confiance proposées permettent de rejeter les exemples pour lesquels la réponse du système s'avère ambiguë.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-01573394
Contributor : Lip6 Publications Connect in order to contact the contributor
Submitted on : Wednesday, August 9, 2017 - 2:06:46 PM
Last modification on : Sunday, June 26, 2022 - 9:53:13 AM

Identifiers

  • HAL Id : hal-01573394, version 1

Citation

Philippe Leray, Hugo Zaragoza, Florence d'Alché-Buc. Pertinence des mesures de confiance en classification. Conférence francophone RFIA, Feb 2000, Paris, France. ⟨hal-01573394⟩

Share

Metrics

Record views

71