FEMDA : une méthode de classification robuste et flexible
Résumé
L'analyse discriminante quadratique (QDA) est une méthode de classification qui suppose que les données sont issues de distributions gaussiennes. Cette hypothèse la rend peu robuste aux données bruitées. Le but de cet article est d'étudier la robustesse aux changements d'échelle dans les données d'une nouvelle méthode d'analyse discriminante où chaque point est modélisé par sa propre distribution elliptique symétrique avec son propre facteur d'échelle. Une telle modélisation fournit une grande flexibilité pour traiter des données hétérogènes et non identiquement distribuées. Cette nouvelle méthode s'avère plus robuste aux changements d'échelle dans les données que les autres méthodes de l'état de l'art.
Domaines
Machine Learning [stat.ML]Origine | Fichiers produits par l'(les) auteur(s) |
---|