Évolution de la stabilité de la sélection de variables en fonction de la taille d'échantillon et de la dimension
Abstract
La sélection de variables est une étape importante lors de la construction d'un classificateur sur des données de grande dimension. Lorsque le nombre d'obser- vations est faible, cette sélection a tendance à être instable, au point qu'il est courant d'observer que sur deux jeux de données différents mais traitant d'un problème simi- laire, les variables sélectionnées ne se recoupent presque pas. Pourtant, ce problème de la stabilité semble encore peu étudié. Dans cet article, nous présentons des méthodes de quantification de la stabilité, puis nous en étudions les variations en fonction de divers paramètres (dimensionalité, nombre d'observations, distribution des variables, seuil de sélection) sur des données artificielles, avant de réaliser ces mesures sur des données réelles d'expression génique (données puces).
Domains
Machine Learning [cs.LG]
Origin : Files produced by the author(s)
Loading...