Un algorithme de pondération de la F-Mesure par pondération des erreurs de classfication.

Kevin Bascol 1, 2 Rémi Emonet 1 Elisa Fromont 3 Amaury Habrard 1 Guillaume Metzler 1 Marc Sebban 1
3 LACODAM - Large Scale Collaborative Data Mining
Inria Rennes – Bretagne Atlantique , IRISA-D7 - GESTION DES DONNÉES ET DE LA CONNAISSANCE
Résumé : Nous proposons un algorithme d'optimisation de la F-Mesure avec des garanties théoriques utilisable avec toute méthode d'apprentissage par pondération des erreurs. Notre algorithme, génère itérativement un ensemble de coûtscoûts`coûtsà partir de l'ensemble d'entraˆınemententraˆınement de telle sorte que le classifieur final ait une F-Mesure proche de l'optimale. L'optimalité de la F-Mesure obtenue est expriméè a l'aide d'une borne supérieure plus fine que celle présentée dans [Parambath et al. 2014] De plus, nous montrons que les coûts obtenusàobtenus`obtenusà chaque itération de notre méthode permettent de réduire drastiquement l'espace de recherche et ainsi de converger rapidement vers les paramètres optimaux. L'efficacité de notre méthode est montréè a la fois en terme de F-Mesure mais aussi de vitesse de convergence sur plusieurs jeux de données déséquilibrés.
Complete list of metadatas

https://hal.archives-ouvertes.fr/hal-01803183
Contributor : Guillaume Metzler <>
Submitted on : Friday, November 9, 2018 - 11:07:10 AM
Last modification on : Friday, September 13, 2019 - 9:49:21 AM

Licence


Public Domain

Identifiers

  • HAL Id : hal-01803183, version 1

Citation

Kevin Bascol, Rémi Emonet, Elisa Fromont, Amaury Habrard, Guillaume Metzler, et al.. Un algorithme de pondération de la F-Mesure par pondération des erreurs de classfication.. Conférence pour l'Apprentissage Automatique, Jun 2018, Saint-Etienne du Rouvray, France. ⟨hal-01803183⟩

Share

Metrics

Record views

102

Files downloads

27