CONSISTENT PROCEDURES FOR MULTICLASS CLASSIFICATION OF DISCRETE DIFFUSION PATHS

Abstract : The recent advent of modern technology has generated a large number of datasets which can be frequently modeled as functional data. This paper focuses on the problem of multiclass classification for stochastic diffusion paths. In this context we establish a closed formula for the optimal Bayes rule. We provide new statistical procedures which are built either on the plug-in principle or on the empirical risk minimization principle. We show the consistency of these procedures under mild conditions. We apply our methodologies to the parametric case and illustrate their accuracy with a simulation study through examples.
Type de document :
Pré-publication, Document de travail
2018
Liste complète des métadonnées

Littérature citée [5 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01869545
Contributeur : Christophe Denis <>
Soumis le : jeudi 6 septembre 2018 - 15:13:55
Dernière modification le : mardi 19 mars 2019 - 01:23:31
Document(s) archivé(s) le : vendredi 7 décembre 2018 - 17:40:07

Fichier

DDM_Multiclass.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01869545, version 1

Citation

Christophe Denis, Charlotte Dion, Miguel Martinez. CONSISTENT PROCEDURES FOR MULTICLASS CLASSIFICATION OF DISCRETE DIFFUSION PATHS. 2018. 〈hal-01869545〉

Partager

Métriques

Consultations de la notice

197

Téléchargements de fichiers

93