Une approche par dissimilarité pour la caractérisation de jeux de données

William Raynaut (1, 2) , Chantal Soulé-Dupuy (1, 3) , Nathalie Vallès-Parlangeau (1, 3) , Cédric Dray (4) , Philippe Valet (4)

1 IRIT-SIG - Systèmes d’Informations Généralisées
2 UT3 - Université Toulouse III - Paul Sabatier
3 UT Capitole - Université Toulouse Capitole
4 I2MC - Institut des Maladies Métaboliques et Cardiovasculaires

La caractérisation de jeu de données reste un verrou majeur de l'analyse de données intelligente. Une majorité d'approches à ce problème agrègent les informations décrivant les attributs individuels des jeux de données, ce qui représente une perte d'information. Nous proposons une approche par dissimilarité permettant d'éviter cette agrégation, et étudions son intérêt dans la caractérisation des performances d'algorithmes de classification et dans la résolution de problèmes de méta-apprentissage.

Mots clés: Sélection d'algorithmes; Méta-attributs; Méta-apprentissage; Dissimilarité; Caractérisation de jeux de données

Domaines: Intelligence artificielle [cs.AI]; Apprentissage [cs.LG]

William Raynaut, Chantal Soulé-Dupuy, Nathalie Vallès-Parlangeau, Cédric Dray, Philippe Valet. Une approche par dissimilarité pour la caractérisation de jeux de données. 32ème Conférence sur la Gestion de Données : Principes, Technologies et Applications (BDA 2016), Nov 2016, Poitiers, France. ⟨hal-01470866⟩