summaryrefslogtreecommitdiff
path: root/classification_finie/introduction.tex
diff options
context:
space:
mode:
authorJan Aalmoes <jan.aalmoes@inria.fr>2024-09-26 16:24:21 +0200
committerJan Aalmoes <jan.aalmoes@inria.fr>2024-09-26 16:24:21 +0200
commitf6ace7aef0747c0e47164c57d8e763d336cb7fe7 (patch)
treee839d88363d209c328f99650422fe4d2be5d84fe /classification_finie/introduction.tex
parentb984c5fec6a078af385a57ac63066172a5c30bd8 (diff)
Jan check du classification fini
Diffstat (limited to 'classification_finie/introduction.tex')
-rw-r--r--classification_finie/introduction.tex9
1 files changed, 8 insertions, 1 deletions
diff --git a/classification_finie/introduction.tex b/classification_finie/introduction.tex
index ab5aaf3..0e3443d 100644
--- a/classification_finie/introduction.tex
+++ b/classification_finie/introduction.tex
@@ -1 +1,8 @@
-intro
+Dans ce premier chapitre de contribution, nous allons construire un nouvel algorithme d'apprentissage ensembliste.
+Plus précisément nous allons nous intéresser à la manière de combiner plusieurs classifieurs : ce que nous avons appelé la seconde partie de la vie d'un algorithme d'apprentissage ensembliste à la Section~\ref{sec:background-aens}.
+Nous allons construire une solution similaire à celle de l'espace de connaissances du comportement\footnote{\textit{Behavior knowledge space}}~\cite{1626170} sauf que au lieu d'optimiser l'exactitude nous allons optimiser l'exactitude équilibré.
+
+Pour cela nous allons considérer que nous cherchons une fonction d'un ensemble fini $E$ vers un autre $F$.
+$E$ correspond à l'ensemble des uplets possibles des sorties des classifieurs faibles et $F$ aux classes.
+Nous commençons notre étude en considérant que nous avons une base de donnée ayant deux colonnes.
+L'une contient des éléments de $E$ et l'autre contient des étiquette de $F$.