Reference : Vers un apprentissage subquadratique pour les mélanges d’arbres
Scientific congresses and symposiums : Unpublished conference
Engineering, computing & technology : Computer science
http://hdl.handle.net/2268/25538
Vers un apprentissage subquadratique pour les mélanges d’arbres
English
Schnitzler, François mailto [Université de Liège - ULg > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation >]
Leray, Philippe mailto [Ecole Polytechnique de l’Université de Nantes > Laboratoire d’Informatique de Nantes Atlantique > Knowledge and Decision Team > >]
Wehenkel, Louis mailto [Université de Liège - ULg > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation >]
10-May-2010
Yes
No
5èmes Journées Francophones sur les Réseaux Bayésiens
Philippe Leray
Nantes
France
[fr] Mélanges d’arbres ; Chow-Liu ; apprentissage non-supervisé ; perturb and combine ; partitionnement approximatif
[fr] Dans cet article, nous comparons l’introduction d’heuristiques faibles (bootstrap, de
complexité quadratique) ou plus fortes (échantillonnage aléatoire) dans l’algorithme de Chow-
Liu en vue de l’apprentissage de densités de probabilité de type mélange d’arbres de Markov.
Nos expériences empiriques sur des problèmes de grande dimension montrent que, bien que
le bootstrap produise les résultats les plus précis en moyenne, d’autres heuristiques restent
compétitives en terme de précision, en particulier pour des ensembles d’apprentissage de petite
taille.
[en] We consider randomization schemes of the Chow-Liu algorithm from weak (bagging,
of quadratic complexity) to strong ones (full random sampling, of linear complexity), for learn-
ing probability density models in the form of mixtures of Markov trees. Our empirical study
on high-dimensional synthetic problems shows that, while bagging is the most accurate scheme
on average, some of the stronger randomizations remain very competitive in terms of accuracy,
specially for small sample sizes.
Systèmes et modélisation
Fonds pour la formation à la Recherche dans l'Industrie et dans l'Agriculture (Communauté française de Belgique) - FRIA ; Wallonie-Bruxelles International, FNRS, Ministère Français des Affaires étrangères et Européennes, Ministère français de l'Enseignement supérieur et de la Recherche dans le cadre des partenariats Hubert Curien ; Biomagnet IUAP network of the Belgian Science Policy Office ; Pascal2 network of excellence of the EC
Researchers
http://hdl.handle.net/2268/25538

File(s) associated to this reference

Fulltext file(s):

FileCommentaryVersionSizeAccess
Open access
04-Schnitzler.pdfPublisher postprint405.9 kBView/Open

Additional material(s):

File Commentary Size Access
Open access
presentation.pdf1.73 MBView/Open

Bookmark and Share SFX Query

All documents in ORBi are protected by a user license.