Topics in robust statistical learning
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Compte-rendu et recension critique d'ouvrage
Titre :
Topics in robust statistical learning
Auteur(s) :
Brécheteau, Claire [Auteur]
Université de Rennes 2 [UR2]
Genetay, Edouard [Auteur]
Centre de Recherche en Economie et Statistique [Bruz] [CREST]
Mathieu, Timothee [Auteur]
Scool [Scool]
Saumard, Adrien [Auteur]
Centre de Recherche en Economie et Statistique [Bruz] [CREST]
Université de Rennes 2 [UR2]
Genetay, Edouard [Auteur]
Centre de Recherche en Economie et Statistique [Bruz] [CREST]
Mathieu, Timothee [Auteur]
Scool [Scool]
Saumard, Adrien [Auteur]
Centre de Recherche en Economie et Statistique [Bruz] [CREST]
Titre de la manifestation scientifique :
Journées MAS de la SMAI, édition 2021.
Ville :
en distanciel
Pays :
France
Date de début de la manifestation scientifique :
2021-08-25
Éditeur :
EDP Sciences
Date de publication :
2022
Discipline(s) HAL :
Mathématiques [math]
Statistiques [stat]
Statistiques [stat]
Résumé :
Résumé. Quelques contributions récentesà l'inférence robuste sont présentées. Premièrement, le problème classique de la M-estimation robuste d'un paramètre de localisation est revisité en utilisant une approche de transport ...
Lire la suite >Résumé. Quelques contributions récentesà l'inférence robuste sont présentées. Premièrement, le problème classique de la M-estimation robuste d'un paramètre de localisation est revisité en utilisant une approche de transport optimal, avec des distances de type Wasserstein spécifiquement conçues, qui réduit la robustesseà une propriété de continuité. La deuxième contribution décrit une procédure d'estimation de la fonction de distanceà un ensemble compact, en utilisant une union de boules. Cette méthodologie trouve son origine dans le domaine de l'inférence topologique et offre comme sous-produit une méthode de clustering robuste. Enfin, un algorithme robuste de type Lloyd pour le clustering est présenté, en utilisant une variante bootstrap de la stratégie "median-of-means". Cet algorithme s'accompagné notamment d'une initialisation robuste.Lire moins >
Lire la suite >Résumé. Quelques contributions récentesà l'inférence robuste sont présentées. Premièrement, le problème classique de la M-estimation robuste d'un paramètre de localisation est revisité en utilisant une approche de transport optimal, avec des distances de type Wasserstein spécifiquement conçues, qui réduit la robustesseà une propriété de continuité. La deuxième contribution décrit une procédure d'estimation de la fonction de distanceà un ensemble compact, en utilisant une union de boules. Cette méthodologie trouve son origine dans le domaine de l'inférence topologique et offre comme sous-produit une méthode de clustering robuste. Enfin, un algorithme robuste de type Lloyd pour le clustering est présenté, en utilisant une variante bootstrap de la stratégie "median-of-means". Cet algorithme s'accompagné notamment d'une initialisation robuste.Lire moins >
Résumé en anglais : [en]
Some recent contributions to robust inference are presented. Firstly, the classical problem of robust M-estimation of a location parameter is revisited using an optimal transport approach-with specifically designed ...
Lire la suite >Some recent contributions to robust inference are presented. Firstly, the classical problem of robust M-estimation of a location parameter is revisited using an optimal transport approach-with specifically designed Wasserstein-type distances-that reduces robustness to a continuity property. Secondly, a procedure of estimation of the distance function to a compact set is described, using union of balls. This methodology originates in the field of topological inference and offers as a byproduct a robust clustering method. Thirdly, a robust Lloyd-type algorithm for clustering is constructed, using a bootstrap variant of the median-of-means strategy. This algorithm comes with a robust initialization.Lire moins >
Lire la suite >Some recent contributions to robust inference are presented. Firstly, the classical problem of robust M-estimation of a location parameter is revisited using an optimal transport approach-with specifically designed Wasserstein-type distances-that reduces robustness to a continuity property. Secondly, a procedure of estimation of the distance function to a compact set is described, using union of balls. This methodology originates in the field of topological inference and offers as a byproduct a robust clustering method. Thirdly, a robust Lloyd-type algorithm for clustering is constructed, using a bootstrap variant of the median-of-means strategy. This algorithm comes with a robust initialization.Lire moins >
Langue :
Anglais
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- https://hal.archives-ouvertes.fr/hal-03605702v2/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-03605702v2/document
- Accès libre
- Accéder au document
- https://hal.archives-ouvertes.fr/hal-03605702v2/document
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- Session_Robust_Learning_ESAIM_PROC.pdf
- Accès libre
- Accéder au document