Modèles de classification non supervisée ...
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
Modèles de classification non supervisée avec données manquantes non au hasard
Auteur(s) :
Laporte, Fabien [Auteur]
Génétique Quantitative et Evolution - Le Moulon (Génétique Végétale) [GQE-Le Moulon]
Biernacki, Christophe [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Celeux, Gilles [Auteur]
Statistique mathématique et apprentissage [CELESTE]
Josse, Julie [Auteur]
Centre de Mathématiques Appliquées de l'Ecole polytechnique [CMAP]
Génétique Quantitative et Evolution - Le Moulon (Génétique Végétale) [GQE-Le Moulon]
Biernacki, Christophe [Auteur]
MOdel for Data Analysis and Learning [MODAL]
Celeux, Gilles [Auteur]
Statistique mathématique et apprentissage [CELESTE]
Josse, Julie [Auteur]
Centre de Mathématiques Appliquées de l'Ecole polytechnique [CMAP]
Titre de la manifestation scientifique :
JdS 2019 - 51e journées de statistique de la Sfds
Ville :
Nancy
Pays :
France
Date de début de la manifestation scientifique :
2019-06-03
Mot(s)-clé(s) :
EM and Stochastic EM Algorithms
Missing Not At Random (MNAR) Data
Model-based Clustering
Logistic Model
Missing Not At Random (MNAR) Data
Model-based Clustering
Logistic Model
Discipline(s) HAL :
Statistiques [stat]/Méthodologie [stat.ME]
Résumé :
La difficulté de prise en compte des données manquantes est souvent con-tournée en supposant que leur occurrence est due au hasard. Dans cette communication, nous envisageons que l'absence de certaines données n'est pas ...
Lire la suite >La difficulté de prise en compte des données manquantes est souvent con-tournée en supposant que leur occurrence est due au hasard. Dans cette communication, nous envisageons que l'absence de certaines données n'est pas due au hasard dans le contexte de la classification non supervisée et nous proposons des modèles logistiques pour traduire le fait que cette occurrence peutêtre associéeà la classification cherchée. Nous privilégions différents modèles que nous estimons par le maximum de vraisemblance et nous analysons leurs caractéristiques au travers de leur application sur des données hospitalières.Lire moins >
Lire la suite >La difficulté de prise en compte des données manquantes est souvent con-tournée en supposant que leur occurrence est due au hasard. Dans cette communication, nous envisageons que l'absence de certaines données n'est pas due au hasard dans le contexte de la classification non supervisée et nous proposons des modèles logistiques pour traduire le fait que cette occurrence peutêtre associéeà la classification cherchée. Nous privilégions différents modèles que nous estimons par le maximum de vraisemblance et nous analysons leurs caractéristiques au travers de leur application sur des données hospitalières.Lire moins >
Résumé en anglais : [en]
Usually missing data are assumed to be missing at random. In this talk, we propose logistic models assuming that missing data are not missing at random, in the model-based clustering setting, and that the occurrence of ...
Lire la suite >Usually missing data are assumed to be missing at random. In this talk, we propose logistic models assuming that missing data are not missing at random, in the model-based clustering setting, and that the occurrence of missing data is related to the clustering. Different models are proposed and estimated through the maximum likelihood methodology. Their characteristics are analyzed through numerical experiments on Hospital data.Lire moins >
Lire la suite >Usually missing data are assumed to be missing at random. In this talk, we propose logistic models assuming that missing data are not missing at random, in the model-based clustering setting, and that the occurrence of missing data is related to the clustering. Different models are proposed and estimated through the maximum likelihood methodology. Their characteristics are analyzed through numerical experiments on Hospital data.Lire moins >
Langue :
Français
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :
Fichiers
- document
- Accès libre
- Accéder au document
- subm82.pdf
- Accès libre
- Accéder au document
- document
- Accès libre
- Accéder au document
- subm82.pdf
- Accès libre
- Accéder au document