Appariement de descripteurs évoluant en temps
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
Appariement de descripteurs évoluant en temps
Complément de titre :
Application à la comparaison d'assurance en ligne
Auteur(s) :
Bedenel, Anne-Lise [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Biernacki, Christophe [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Jourdan, Laetitia [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
MOdel for Data Analysis and Learning [MODAL]
Biernacki, Christophe [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Jourdan, Laetitia [Auteur]
Parallel Cooperative Multi-criteria Optimization [DOLPHIN]
Titre de la manifestation scientifique :
48èmes Journées des Statistiques Française
Ville :
Montpellier
Pays :
France
Date de début de la manifestation scientifique :
2016-05-30
Mot(s)-clé(s) en anglais :
model averaging
model selection
Bayesian dynamic network
model selection
Bayesian dynamic network
Discipline(s) HAL :
Mathématiques [math]/Statistiques [math.ST]
Statistiques [stat]/Applications [stat.AP]
Statistiques [stat]/Calcul [stat.CO]
Statistiques [stat]/Applications [stat.AP]
Statistiques [stat]/Calcul [stat.CO]
Résumé :
Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards ...
Lire la suite >Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards nécessitent des descripteurs de données identiques pour les échantillons d'apprentissage et test. Cependant, afin de répondre aux attentes métier, les formulaires en ligne d'où proviennent les données sont régulièrement modifiés. Cela implique une modification régulière des variables et des descripteurs de données qui complexifie les analyses. Dans ce travail, nous proposons une méthode permettant d'estimer et de comprendre les liens qui se forment lors de la modification des descripteurs de données afin de les apparier. Cette étape est préliminaire à l'application de nombreuses méthodes d'apprentissage ultérieures.Lire moins >
Lire la suite >Dans le domaine du web, et plus particulièrement de la comparaison d'assurance en ligne, les données évoluent constamment ce qui rend leur exploitation difficile. Par exemple, la plupart des méthodes d'apprentissage standards nécessitent des descripteurs de données identiques pour les échantillons d'apprentissage et test. Cependant, afin de répondre aux attentes métier, les formulaires en ligne d'où proviennent les données sont régulièrement modifiés. Cela implique une modification régulière des variables et des descripteurs de données qui complexifie les analyses. Dans ce travail, nous proposons une méthode permettant d'estimer et de comprendre les liens qui se forment lors de la modification des descripteurs de données afin de les apparier. Cette étape est préliminaire à l'application de nombreuses méthodes d'apprentissage ultérieures.Lire moins >
Résumé en anglais : [en]
In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require ...
Lire la suite >In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require data descriptor equal for both learning and test samples. Indeed, for answering to web surfer expectation, online forms whence data come from are regularly modied. So, features and data descriptors are also regularly modied. In this work, we introduce a process to estimate and understand connections between transformed data descriptors. This estimated matching between descriptors will be a preliminary step before applying later classical learning methods.Lire moins >
Lire la suite >In the web domain, and in particular for insurance comparison, data constantly evolve, implying that it is dicult to directly exploit them. For example, to do a classication, performing standard learning processes require data descriptor equal for both learning and test samples. Indeed, for answering to web surfer expectation, online forms whence data come from are regularly modied. So, features and data descriptors are also regularly modied. In this work, we introduce a process to estimate and understand connections between transformed data descriptors. This estimated matching between descriptors will be a preliminary step before applying later classical learning methods.Lire moins >
Langue :
Français
Comité de lecture :
Oui
Audience :
Nationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.archives-ouvertes.fr/hal-01381766/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-01381766/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-01381766/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- submission108%20%283%29.pdf
- Accès libre
- Accéder au document