Sélection prédictive d'un modèle génératif par le critère AICp - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2009

Sélection prédictive d'un modèle génératif par le critère AICp

Abstract

L'obtention de bonnes performances en analyse discriminante est conditionnée par le choix du modèle. Le critère de choix de modèle le plus utilisé dans ce contexte est la validation croisée. Cependant, ce dernier nécessite un temps de calcul important et est sujet à variations. Dans cet article on introduit la notion de dimension prédictive d'un modèle génératif. Cette notion reflète la complexité du modèle génératif compte tenu de la tâche de prédiction. Elle nous permet de construire un critère de choix de modèle alternatif, le critère AICp. Ce critère se compose de la log vraisemblance évaluée en les étiquettes conditionnellement aux covariables, pénalisée par la dimension prédictive du modèle. Contrairement à la validation croisée, la critère AICp se calcule rapidement. De plus, des expériences sur des données réelles démontrent son intérêt.
Fichier principal
Vignette du fichier
p117.pdf (94.9 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00386678 , version 1 (22-05-2009)

Identifiers

  • HAL Id : inria-00386678 , version 1

Cite

Vincent Vandewalle. Sélection prédictive d'un modèle génératif par le critère AICp. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386678⟩
204 View
140 Download

Share

Gmail Facebook X LinkedIn More