Download or read book M thodes d apprentissage statistique pour le scoring written by Marine Depecker and published by . This book was released on 2010 with total page 211 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse porte sur le développement d'une méthode non-paramétrique pour l'apprentissage supervisé de règles d'ordonnancement à partir de données étiquetées de façon binaire. Cette méthode repose sur le partitionnement récursif de l'espace des observations et généralise la notion d'arbre de décision au problème de l'ordonnancement, les règles de score produites pouvant être représentées graphiquement par des arbres binaires et orientés. Afin de proposer une méthode d'apprentissage flexible, nous introduisons une procédure permettant, à chaque itération de l'algorithme, de scinder l'espace des observations selon diverses règles, adaptatives et complexes, choisies en fonction du problème considéré. De plus, pour lutter contre le phénomène de sur-apprentissage, nous proposons deux procédures de sélection de modèle, fondées sur la maximisation de l'ASC empirique pénalisée par une mesure de la complexité du modèle. Enfin, dans le but de réduire l'instabilité des arbres d'ordonnancement, inhérente à leur mode de construction, nous adaptons deux procédures d'agrégation de règles de prédiction ré-échantillonnées : le bagging (Breiman, 1996) et les forêts aléatoires (Random Forests, Breiman, 2001). Une étude empirique comparative entre différentes configurations de l'algorithme et quelques méthodes de l'état de l'art est présentée, ainsi que l'application à la problématique industrielle de l'objectivation des prestations d'un véhicule automobile. De plus, nous exploitons cette méthode de scoring pour introduire une heuristique de test d'homogénéité entre deux populations, permettant de généraliser les tests de rangs au cas multi-dimensionnel.

Download or read book M thodes D apprentissage Statistique Pour Le Ranking written by Sylvain Robbiano and published by . This book was released on 2013 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Multipartite ranking is a statistical learning problem that consists in ordering observations that belong to a high dimensional feature space in the same order as the labels, so that the observations with the highest label appear at the top of the list. This work aims to understand the probabilistic nature of the multipartite ranking problem in order to obtain theoretical guarantees for ranking algorithms. In this context, the output of a ranking algorithm takes the form of a scoring function, a function that maps the space of the observation to the real line which order is induced using the values on the real line. The contributions of this manuscript are the following : First, we focus on the characterization of optimal solutions to multipartite ranking. The second research theme is the design of algorithms to produce scoring functions. We offer two methods, the first using an aggregation procedure, the second an approximation scheme. Finally, we return to the binary ranking problem to establish adaptive minimax rate of convergence.

Download or read book M thodes d apprentissage statistique pour la r gression et l optimisation globale de mesures de risque written by Léonard Torossian and published by . This book was released on 2019 with total page 184 pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse s'inscrit dans le contexte général de l'estimation et de l'optimisation de fonctions de type boîte noire dont la sortie est une variable aléatoire. Motivé par la nécessité de quantifier l'occurrence d'événements extrêmes dans des disciplines comme la médecine, l'agriculture ou la finance, dans cette thèse des indicateurs sur certaines propriétés de la distribution en sortie, comme la variance ou la taille des queues de dis- tribution, sont étudiés. De nombreux indicateurs, aussi connus sous le nom de mesure de risque, ont été proposés dans la littérature ces dernières années. Dans cette thèse nous concentrons notre intérêt sur les quantiles, CVaR et expectiles. Dans un premier temps, nous comparons les approches K-plus proches voisins, forêts aléatoires, régression dans les RKHS, régression par réseaux de neurones et régression par processus gaussiens pour l'estimation d'un quantile conditionnel d'une fonction boite noire. Puis, nous proposons l'utilisation d'un modèle de régression basé sur le couplage de deux processus gaussiens estimés par une méthode variationnelle. Nous montrons que ce modèle, ini- tialement développé pour la régression quantile, est facilement adaptable à la régression d'autres mesures de risque. Nous l'illustrons avec l'expectile. Dans un second temps, nous analysons le problème relatif à l'optimisation d'une mesure de risque. Nous proposons une approche générique inspirée de la littérature X-armed bandits, permettantde fournir un algorithme d'optimisation, ainsi qu'une borne supérieure sur le regret, adaptable au choix de la mesure de risque. L'applicabilité de cette approche est illustrée par l'optimisation d'un quantile ou d'une CVaR. Enfin, nous proposons des algorithmes d'optimisation utilisant des processus gaussiens associés aux stratégies UCB et Thompson sampling, notre objectif étant l'optimisation d'un quantile ou d'un expectile.

Download or read book Mod lisation pr dictive et apprentissage statistique avec R written by TUFFERY Stéphane and published by Editions TECHNIP. This book was released on 2015-01-02 with total page 434 pages. Available in PDF, EPUB and Kindle. Book excerpt: Issu de formations devant des publics variés, cet ouvrage présente les principales méthodes de modélisation de statistique et de machine learning, à travers le fil conducteur d’une étude de cas. Chaque méthode fait l’objet d’un rappel de cours et est accompagnée de références bibliographiques, puis est mise en oeuvre avec des explications détaillées sur les calculs effectués, les interprétations des résultats et jusqu’aux astuces de programmation permettant d’optimiser les temps de calcul. À ce sujet, une annexe est consacrée au traitement des données massives. L’ouvrage commence par les méthodes de classement classiques les plus éprouvées, mais aborde rapidement les méthodes plus récentes et avancées : régression ridge, lasso, elastic net, boosting, forêts aléatoires, Extra-Trees, réseaux de neurones, séparateurs à vaste marge. Chaque fois, le lien est fait entre la théorie et les résultats obtenus pour montrer qu’ils illustrent bien les principes sous-jacents à ces méthodes. Mais l’aspect pratique est aussi privilégié, avec l’objectif de permettre au lecteur une mise en oeuvre rapide et efficace dans son travail concret. L’exploration et la préparation préliminaire des données sont d’ailleurs décrites, ainsi que le processus de sélection des variables. Une synthèse finale est faite de toutes les méthodes présentées. La mise en oeuvre s’appuie sur le logiciel libre R et sur un jeu public de données. Ce dernier peut être téléchargé sur internet et présente l’intérêt d’être riche, complet et de permettre des comparaisons grâce aux nombreuses publications dans lesquelles il a servi. Le logiciel statistique utilisé est R, actuellement celui qui se développe le plus : devenu la lingua franca de la statistique et l’outil le plus répandu dans le monde académique, il prend également de plus en plus de place dans le monde de l’entreprise, à tel point que tous les logiciels commerciaux proposent désormais une interface avec R. Outre qu’il est disponible pour tous, dans de multiples environnements, il est aussi le plus riche statistiquement et c’est le seul logiciel permettant de mettre en oeuvre toutes les méthodes présentées dans cet ouvrage. Enfin, son langage de programmation particulièrement élégant et adapté au calcul athématique permet de se concentrer dans le codage sur les aspects statistiques. R permet d’arriver directement à l’essentiel et de mieux comprendre les méthodes exposées dans l’ouvrage. Le Code R utilisé dans l’ouvrage est disponible sur cette page dans la partie "Bonus/lire". Table des matières : Présentation du jeu de données. Préparation des données. Exploration des données. Discrétisation automatique supervisée des variables continues. La régression logistique. La régression logistique pénalisée ridge. La régression logistique pénalisée lasso. La régression logistique PLS. L’arbre de décision CART. L’algorithme PRIM. Les forêts aléatoires. Le bagging. Les forêts aléatoires de modèles logistiques. Le boosting. Les Support Vector Machines. Les réseaux de neurones. Synthèse des méthodes prédictives. Annexes. Bibliographie. Index des packages R utilisés.

Download or read book Handbook of Automated Scoring written by Duanli Yan and published by CRC Press. This book was released on 2020-02-26 with total page 581 pages. Available in PDF, EPUB and Kindle. Book excerpt: "Automated scoring engines [...] require a careful balancing of the contributions of technology, NLP, psychometrics, artificial intelligence, and the learning sciences. The present handbook is evidence that the theories, methodologies, and underlying technology that surround automated scoring have reached maturity, and that there is a growing acceptance of these technologies among experts and the public." From the Foreword by Alina von Davier, ACTNext Senior Vice President Handbook of Automated Scoring: Theory into Practice provides a scientifically grounded overview of the key research efforts required to move automated scoring systems into operational practice. It examines the field of automated scoring from the viewpoint of related scientific fields serving as its foundation, the latest developments of computational methodologies utilized in automated scoring, and several large-scale real-world applications of automated scoring for complex learning and assessment systems. The book is organized into three parts that cover (1) theoretical foundations, (2) operational methodologies, and (3) practical illustrations, each with a commentary. In addition, the handbook includes an introduction and synthesis chapter as well as a cross-chapter glossary.

Download or read book Apprentissage statistique written by Gérard Dreyfus and published by Editions Eyrolles. This book was released on 2008 with total page 472 pages. Available in PDF, EPUB and Kindle. Book excerpt: Pour apprendre avec méthode les différents algorithmes adaptés à chaque type de réseau, par grand domaine d'application. Fait le point sur les dernières applications industrielles à l'actif de ces ensembles d'algorithmes. Le CD-ROM contient une version d'évaluation de NeuroOne, logiciel d'apprentissage pour réseaux de neurones. A jour des dernières applications industrielles.--[Memento].

Download or read book Agr gation de mod les en apprentissage statistique pour l estimation de la densit et la classification multiclasse written by Mathias Bourel and published by . This book was released on 2013 with total page 131 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les méthodes d'agrégation en apprentissage statistique combinent plusieurs prédicteurs intermédiaires construits à partir du même jeu de données dans le but d'obtenir un prédicteur plus stable avec une meilleure performance. Celles-ci ont été amplement étudiées et ont données lieu à plusieurs travaux, théoriques et empiriques dans plusieurs contextes, supervisés et non supervisés. Dans ce travail nous nous intéressons dans un premier temps à l'apport de ces méthodes au problème de l'estimation de la densité. Nous proposons plusieurs estimateurs simples obtenus comme combinaisons linéaires d'histogrammes. La principale différence entre ceux-ci est quant à la nature de l'aléatoire introduite à chaque étape de l'agrégation. Nous comparons ces techniques à d'autres approches similaires et aux estimateurs classiques sur un choix varié de modèles, et nous démontrons les propriétés asymptotiques pour un de ces algorithmes (Random Averaged Shifted Histogram). Une seconde partie est consacrée aux extensions du Boosting pour le cas multiclasse. Nous proposons un nouvel algorithme (Adaboost.BG) qui fournit un classifieur final en se basant sur un calcul d'erreur qui prend en compte la marge individuelle de chaque modèle introduit dans l'agrégation. Nous comparons cette méthode à d'autres algorithmes sur plusieurs jeu de données artificiels classiques.

Download or read book APPRENTISSAGE STATISTIQUE POUR L EXTRACTION DE CONCEPTS A PARTIR DE TEXTES APPLICATION AU FILTRAGE D INFORMATIONS TEXTUELLES written by NICOLAS.. TURENNE and published by . This book was released on 2004 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: CETTE THESE PRESENTE UN MODELE DE CONSTRUCTION AUTOMATIQUE ET APPROXIMATIF DE LA REPRESENTATION DU SENS D'UN TEXTE. UNE STRUCTURATION DU DOMAINE, COUVERT PAR DES DOCUMENTS, EST OBTENUE PAR UNE CLASSIFICATION (EN ANGLAIS CLUSTERING ) FAISANT APPARAITRE DES THEMES SEMANTIQUES. IL FAUT AMELIORER LES TECHNIQUES EN LEUR PERMETTANT DE TRAITER LES DOCUMENTS NON INDEXES, EN AMELIORANT LES RESULTATS PAR UNE ADAPTATION DE CONNAISSANCES LINGUISTIQUES ET UNE ANALYSE DES RELATIONS QUE MARQUENT LES COOCCURRENCES ENTRE TERMES. LA QUANTITE GRANDISSANTE D'INFORMATIONS ELECTRONIQUES PERMET DE CONSTITUER DES ECHANTILLONS DE DONNEES VARIES ET SIGNIFICATIFS. LES TECHNIQUES POUR DECRIRE LES RELATIONS ENTRE TERMES SONT ISSUES DE METHODES MATHEMATIQUES USUELLEMENT APPLIQUEES AUX DONNEES STRUCTUREES NON TEXTUELLES. LE COUPLAGE DE CONNAISSANCES PROPRES AUX DONNEES AVEC UNE METHODOLOGIE ADAPTEE AUX DONNEES TEXTUELLES DEVRAIT APPORTER UNE AMELIORATION DES RESULTATS. NOUS TENTONS DE JUSTIFIER : D'UNE PART L'UTILISATION DE MECANISMES LINGUISTIQUES REDUISANT LES BIAIS D'UNE STATISTIQUE DESCRIPTIVE DES OCCURRENCES D'UN TERME, D'AUTRE PART L'UTILISATION D'UNE METHODE BASEE SUR LES GRAPHES DONT LES MOTIFS PERMETTRAIENT DE RECUPERER LES RELATIONS CONCEPTUELLES ENTRE TERMES. DANS UN TROISIEME TEMPS NOUS FACILITONS L'INTERPRETATION DE RESULTATS EMANANT DE TRAITEMENTS AUTOMATIQUES PAR LA QUALIFICATION CONSENSUELLE DU THEME REPRESENTE PAR UNE CLASSE. L'INTERPRETATION DE CLASSES RESTE DIFFICILE, DUE AUX MULTIPLES POINTS DE VUE QU'UN LECTEUR PEUT SE FAIRE DES ASSOCIATIONS ENTRE TERMES. DES CLASSES DE MEILLEURE QUALITE FACILITENT L'INTERPRETATION, ASSISTEE PAR UN THESAURUS, QUE L'ON PEUT ATTRIBUER A LA STRUCTURATION CONCEPTUELLE DES TERMES D'UN DOMAINE. LE DEVELOPPEMENT.

Download or read book Apprentissage statistique et donn es massives written by Myriam Maumy-Bertrand and published by . This book was released on 2018-05 with total page 511 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Contribution l apprentissage statistique base de mod les g n ratifs pour donn es complexes written by Julien Jacques and published by . This book was released on 2012 with total page 89 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les activités de recherche que j'ai menées de 2005 à 2012 s'orientent autour de la thématique de l'apprentissage statistique des données complexes, abordée par le biais de modèles probabilistes paramétriques génératifs. Plusieurs types de données complexes sont considérées. Les données issues de populations différentes ont été abordées en proposant des modèles de lien paramétriques entre populations, permettant d'adapter les modèles statistiques d'une population vers l'autre, en évitant une lourde collecte de nouvelles données. Les données de rang, définissant un classement d'objets selon un ordre de préférence, les données ordinales, qui sont des données qualitatives ayant des modalités ordonnées, et les données fonctionnelles, où l'observation statistique consiste en une ou plusieurs courbes, ont également été étudies. Pour ces trois types de données, des modèles génératifs probabilistes ont été définis et utilisés en classification automatique de données multivariées. Enfin les données de grande dimension, que l'on rencontre lorsque le nombre de variables du problème dépasse celui des observations, ont été étudiées dans un cadre de régression. Deux approches, fruits de deux thèses de doctorat que je co-encadre, sont proposés: l'une utilisant des algorithmes d'optimisation combinatoire pour explorer de façon efficace l'espace des variables, et l'autre définissant un modèle de régression regroupant ensemble les variables ayant un effet similaire.

Download or read book Contributions l apprentissage statistique en grande dimension adaptatif et sur donn es atypiques written by Charles Bouveyron and published by . This book was released on 2012 with total page 85 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce mémoire rend compte de mes activités de recherche depuis ma thèse de doctorat. Mes travaux s’inscrivent dans le cadre de l’apprentissage statistique et s’articulent plus précisément autour des quatre thématiques suivantes: 1) apprentissage statistique en grande dimension, 2) apprentissage statistique adaptatif, 3) apprentissage statistique sur données atypiques, 4) applications de l’apprentissage statistique. Mes contributions à ces quatre thématiques sont décrites en autant de chapitres, numérotés de 2 à 5, pouvant être lus indépendamment. Ce mémoire se veut également être, en quelque sorte, un plaidoyer pour l'usage des méthodes génératives (reposant sur un modèle probabiliste) en apprentissage statistique moderne. Il sera en effet démontré dans ce document, je l'espère de façon convaincante, que les méthodes génératives peuvent résoudre efficacement les problèmes actuels de l'apprentissage statistique tout en présentant l'avantage de l' interprétabilité des résultats et de)a connaissance du risque de prédiction.

Download or read book APPRENTISSAGE STATISTIQUE ET REGULARISATION POUR LA REGRESSION written by CYRIL.. GOUTTE and published by . This book was released on 1997 with total page 147 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE SUJET DE CETTE THESE EST L'ETUDE ET L'UTILISATION DE L'APPRENTISSAGE STATISTIQUE ET DE LA REGULARISATION SUR DES PROBLEMES DE REGRESSION. ON S'INTERESSE PLUS PARTICULIEREMENT A L'IDENTIFICATION DE SYSTEMES ET A LA MODELISATION DE SERIES TEMPORELLES PAR DES MODELES LINEAIRES D'UNE PART ET CONNEXIONNISTES NON-LINEAIRES D'AUTRE PART. LES REGRESSIONS PARAMETRIQUES LINEAIRES ET NON-LINEAIRE SONT BRIEVEMENT PRESENTEES, ET LES LIMITES DE LA REGRESSION SIMPLE SONT ILLUSTREES EN UTILISANT LE CONCEPT D'ERREUR DE GENERALISATION. AINSI DEFINIS, CES PROBLEMES SONT INCORRECTEMENT POSES, ET NECESSITENT DONC L'UTILISATION DE REGULARISATION POUR OBTENIR DES SOLUTIONS CORRECTES. CECI INTRODUIT UN OU PLUSIEURS HYPER-PARAMETRES QUI CONTROLENT LE NIVEAU DE REGULARISATION ET DONT L'OPTIMISATION EST EFFECTUEE EN ESTIMANT L'ERREUR DE GENERALISATION. PLUSIEURS METHODES SONT PRESENTEES A CET EFFET. CES DEVELOPPEMENTS SONT UTILISES POUR S'ATTAQUER A DEUX PROBLEMES PARTICULIERS. DANS LE PREMIER, IL S'AGIT DE DETERMINATION DES ENTREES NECESSAIRES A LA MODELISATION D'UNE SERIE TEMPORELLE, PAR L'INTERMEDIAIRE D'UNE METHODE ITERATIVE S'APPUYANT SUR L'ESTIMATION DE LA GENERALISATION. DANS LE SECOND, ON ETUDIE UNE FONCTIONNELLE DE REGULARISATION PARTICULIERE QUI PRESENT L'INTERET D'EFFECTUER UN ELAGAGE DES PARAMETRES INUTILES DU MODELE EN CONJONCTION AVEC SON EFFET REGULARISANT. CETTE DERNIERE PARTIE UTILISE DES ESTIMATEURS BAYESIENS QUI SONT AUSSI PRESENTES DE FACON GENERALE DANS LA THESE.

Download or read book Cahiers d apprentissage sur les techniques d analyse statistique des donn es avec r f rences et exercices written by Louis Laurencelle and published by [Trois-Rivières, Québec] : UQTR. This book was released on 2005 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Traitement du signal et de l image pour la biom trie written by NAÏT-ALI Amine and published by Lavoisier. This book was released on 2012-09-14 with total page 370 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce livre met en évidence l'utilisation des différentes approches de traitement du signal et de l'image dans des applications d'identification ou d'authentification des individus. Son contenu s'adresse, en particulier, aux étudiants de 3ème cycle, chercheurs et ingénieurs qui souhaitent s'initier au développement d'algorithmes spécifiques et leur intégration dans des systèmes biométriques. Le lecteur y trouvera, d'une part, des chapitres introductifs, orientés pédagogie et d'autre part, des chapitres à vocation recherche. Evidemment, la reconnaissance faciale 2D/3D, la reconnaissance par l'iris et les traits de la main sont considérés, mais les auteurs ont également souhaité renforcer le contenu de cet ouvrage par des chapitres portant sur la multi-biométrie, l'évaluation des performances des systèmes biométriques ainsi que certains outils de traitement du signal tels que la classification, la cryptographie et la protection des données. Enfin, il est également présenté dans cet ouvrage de nouveaux concepts et orientations récentes. Ce travail est le fruit de la contribution de plusieurs acteurs du milieu académique et de l'industrie, actifs dans le domaine de la biométrie et de la sécurité.

Download or read book FinTech in Financial Inclusion Machine Learning Applications in Assessing Credit Risk written by Majid Bazarbash and published by International Monetary Fund. This book was released on 2019-05-17 with total page 34 pages. Available in PDF, EPUB and Kindle. Book excerpt: Recent advances in digital technology and big data have allowed FinTech (financial technology) lending to emerge as a potentially promising solution to reduce the cost of credit and increase financial inclusion. However, machine learning (ML) methods that lie at the heart of FinTech credit have remained largely a black box for the nontechnical audience. This paper contributes to the literature by discussing potential strengths and weaknesses of ML-based credit assessment through (1) presenting core ideas and the most common techniques in ML for the nontechnical audience; and (2) discussing the fundamental challenges in credit risk analysis. FinTech credit has the potential to enhance financial inclusion and outperform traditional credit scoring by (1) leveraging nontraditional data sources to improve the assessment of the borrower’s track record; (2) appraising collateral value; (3) forecasting income prospects; and (4) predicting changes in general conditions. However, because of the central role of data in ML-based analysis, data relevance should be ensured, especially in situations when a deep structural change occurs, when borrowers could counterfeit certain indicators, and when agency problems arising from information asymmetry could not be resolved. To avoid digital financial exclusion and redlining, variables that trigger discrimination should not be used to assess credit rating.

Download or read book PASCAL written by and published by . This book was released on 1990 with total page 806 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Dissertation Abstracts International written by and published by . This book was released on 1996 with total page 612 pages. Available in PDF, EPUB and Kindle. Book excerpt: