Conférencière : Loubna Benabbou – Professeure, Département des sciences de la gestion, Université du Québec à Rimouski, Canada

Un modèle de classification supervisée multi-classes et multicritère à base de pavés va être présenté. Trois préoccupations fondamentales ont guidé l’élaboration du modèle : (i) la capacité de généralisation des algorithmes d’apprentissage automatique dans un contexte multi-classes (ii) la nature multicritère du problème de classification en tenant compte de la nature des données et des préférences du décideur (iii) l’arbitrage entre précision et complexité des classificateurs dans une optique de compression de données. Le modèle à base de pavés maximise la performance du classificateur multiclasses. En apprentissage automatique, cette performance est exprimée via des bornes sur l’erreur de généralisation des classificateurs binaires (deux classes). Des bornes optimales multi-classes qui assurent un meilleur compromis entre performance du classificateur et complexité vont être discutées. Ces bornes optimales, s’expriment en termes de risque empirique et des paramètres du modèle de classification. Ces paramètres vont guider une sélection efficace du classificateur multi-classes.

---

Lien pour accéder au webinaire