diff options
Diffstat (limited to 'classification_finie/introduction.tex')
| -rw-r--r-- | classification_finie/introduction.tex | 4 |
1 files changed, 2 insertions, 2 deletions
diff --git a/classification_finie/introduction.tex b/classification_finie/introduction.tex index 0e3443d..ac815fa 100644 --- a/classification_finie/introduction.tex +++ b/classification_finie/introduction.tex @@ -1,8 +1,8 @@ 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. +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 équilibrée. 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 $F$. +L'une contient des éléments de $E$ et l'autre contient des étiquettes de $F$. |