Skip to Main content Skip to Navigation
New interface
Conference papers

Bornes du vote majoritaire multi-classes en présence du bruit sur les étiquettes de classes

Résumé : Dans ce travail, nous considérons le cadre de classification multi-classes avec des exemples d'apprentissage présentant des imperfections dans leurs étiquettes de classes. Nous modélisons cette imperfection avec un modèle d'erreur probabiliste. Sur cette base, nous dérivons des garanties théoriques pour un classifieur de vote majoritaire en étendant la borne C multi-classes, une borne supérieure du second ordre. Enfin, nous montrons empiriquement le comportement de la borne et discutons de son application pour les approches semi-supervisé basées sur le pseudo-étiquetage, en particulier pour l'auto-apprentissage.
Document type :
Conference papers
Complete list of metadata

https://hal.archives-ouvertes.fr/hal-03266247
Contributor : Massih AMINI Connect in order to contact the contributor
Submitted on : Monday, June 21, 2021 - 3:33:59 PM
Last modification on : Wednesday, July 6, 2022 - 4:24:52 AM
Long-term archiving on: : Wednesday, September 22, 2021 - 6:49:52 PM

File

cap2021_vasilii.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03266247, version 1

Collections

Citation

Vasilii Feofanov, Emilie Devijver, Massih-Reza Amini. Bornes du vote majoritaire multi-classes en présence du bruit sur les étiquettes de classes. Conférence sur l'Apprentissage Automatique, Jun 2021, Saint Etienne, France. ⟨hal-03266247⟩

Share

Metrics

Record views

25

Files downloads

18