|
Un modèle génératif pour données de rangs| old_uid | 9521 |
|---|
| title | Un modèle génératif pour données de rangs |
|---|
| start_date | 2011/01/14 |
|---|
| schedule | 11h |
|---|
| online | no |
|---|
| summary | Les données de rang proviennent d'un mécanisme généralement non observable par le statisticien. En supposant que ce processus repose sur des comparaisons par paires, l'algorithme de tri par insertion est connu comme étant le meilleur candidat pour minimiser ce nombre de comparaisons, dès lors que le nombre d'objets à trier est plus petit que 10. En supposant que les rangs observés sont le résultat de cet algorithme optimal et en assimilant les comparaisons par paires à des épreuves de Bernoulli, nous définissons un modèle génératif pour données de rangs appelé ISR (Insertion Sorting Rank data model). Une des spécificités majeures du modèle ISR est qu'il prend en compte l'ordre de présentation des objets à classer. Nous verrons que le modèle ISR présente plusieurs propriétés théoriques intéressantes, comme l'unimodalité, la symétrie ou l'identifiabilité. Nous présenterons l'estimation par maximum de vraisemblance des paramètres du modèle ISR, basée sur l'algorithme EM. Enfin,
nous montrerons comment le modèle ISR peut être utilisé sous la forme de mélange pour des applications en clustering de données de rangs. L'intérêt de ce modèle sera finalement illustré par des applications sur des données réelles. |
|---|
| responsibles | Bardet, Cottrell |
|---|
| |
|