Show simple item record

hal.structure.identifier
dc.contributor.authorSaltiel, David
hal.structure.identifierLaboratoire d'analyse et modélisation de systèmes pour l'aide à la décision [LAMSADE]
dc.contributor.authorBenhamou, Éric
dc.date.accessioned2020-11-12T11:00:46Z
dc.date.available2020-11-12T11:00:46Z
dc.date.issued2019
dc.identifier.urihttps://basepub.dauphine.fr/handle/123456789/21205
dc.description.abstractfrMalgré l’avènement de l’apprentissage par représentation, principalement par le biais d’apprentissage profond, la sélection des variables (features) reste un élément clé de nombreux scénarios d’apprentissage automatique. Cet article présente une nouvelle méthode théoriquement motivée pour la sélection des features. Cette approchetraite le problème de la sélection des features par le biais de méthodes d’optimisation par coordonnéesen tenant compte des dépendances des variables, matérialisant ces dernières par blocs. Le faible nombre d’itérations (jusqu’à la convergence de la méthode) atteste de l’efficacité des méthodes de gradient boosting (par exemple l’algorithme XGBoost) pour ces problèmes d’apprentissage supervisé. Dans le cas de fonctions convexes et lisses, nous pouvons prouver que le taux de convergence est polynomial en terme de dimension de l’ensemble complet des features. Nous comparons les résultats obtenues avec des méthodes faisant l’état de l’art de la sélection des features : Recursive Features Elimination (RFE) et Binary Coordinate Ascent (BCA), afin de montrer que cette nouvelle méthode est compétitive.en
dc.language.isofren
dc.subjectCAPen
dc.subjectsélection des featuresen
dc.subjectdescente par coordonnéeen
dc.subjectméthode de gradient boostingen
dc.subject.ddc006.3en
dc.titleSélection efficace de variables par descente par coordonnée avec garanties théoriquesen
dc.typeDocument de travail / Working paper
dc.publisher.cityParisen
dc.relation.ispartofseriestitlePreprint Lamsadeen
dc.identifier.urlsitehttps://hal.archives-ouvertes.fr/hal-02886506en
dc.subject.ddclabelIntelligence artificielleen
dc.description.ssrncandidatenonen
dc.description.halcandidatenonen
dc.description.readershiprechercheen
dc.description.audienceNationalen
dc.date.updated2020-11-12T10:57:42Z
hal.author.functionaut
hal.author.functionaut


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record