![\"\"](\"\/wp-content\/uploads\/2012\/02\/graph_induction_Global1.jpg\" "\\"graph_induction_Global\\"")
<\/a><\/p>\nLes graphes d’induction dont les arbres de d\u00e9cision constituent une forme particuli\u00e8re. Dans le prolongement de mes travaux th\u00e8se (1985), j\u2019ai propos\u00e9 de nouveaux algorithmes d\u2019induction de r\u00e8gles par des graphes latticiels et j\u2019ai propos\u00e9 une famille de mesures d\u2019entropie sensibles aux effectifs. La raison est que les arbres de d\u00e9cision classiques se construisent par un processus de partitionnement r\u00e9cursif, conduisant le plus souvent \u00e0 des sommets \u00e0 faibles effectifs et, par cons\u00e9quent, \u00e0 des r\u00e8gles de d\u00e9cision peu fiables, donc \u00e0 des mod\u00e8les qui g\u00e9n\u00e9ralisent mal. La premi\u00e8re r\u00e9ponse \u00e0 ce probl\u00e8me a \u00e9t\u00e9 apport\u00e9e, au milieu des ann\u00e9es 1980, par (Breiman et al.) avec les proc\u00e9dures d\u2019\u00e9lagage d\u2019arbre.<\/p>\n
Notre proposition d\u2019introduire des structures latticielles, ainsi que de nouvelles mesures de partitionnement qui sont \u00e0 la fois sensibles aux tailles d\u2019\u00e9chantillon et asym\u00e9triques, permet d\u2019\u00e9viter ce sur-apprentissage qui n\u00e9cessite un \u00e9lagage. On peut ainsi voir cette contribution comme une sorte de pr\u00e9-\u00e9lagage par rapport au post-\u00e9lagage propos\u00e9 ant\u00e9rieurement.<\/p>\n Le partitionnement r\u00e9cursif n\u00e9cessite une discr\u00e9tisation des attributs continus. Nous avons propos\u00e9 de nouvelles approches qui prennent en compte diff\u00e9rentes questions comme la complexit\u00e9 du d\u00e9coupage, l\u2019estimation statistique des points de coupure les plus probables, etc. Cette discr\u00e9tisation revient, d\u2019une certaine mani\u00e8re, \u00e0 r\u00e9duire le nombre de branches possibles pour un graphe d\u2019induction.\u00a0 Dans le prolongement, on s\u2019est pos\u00e9 la m\u00eame question sur les variables qualitatives qui peuvent aussi avoir beaucoup de modalit\u00e9s.\u00a0 Et au del\u00e0 m\u00eame, pourquoi ne pas \u00e9tendre ces questions \u00e9galement \u00e0 la variable cible (\u00e0 pr\u00e9dire) qui peut \u00eatre de toutes nature\u00a0?\u00a0 – Recherche par le contenu dans les donn\u00e9es complexes (Recherche d\u2019Information (RI), Organisation et Indexation). <\/span><\/a><\/p>\nDiscr\u00e9tisation<\/h3>\n
<\/a><\/p>\n<\/a>\u00a0Ce travail nous a conduit \u00e0 proposer une forme g\u00e9n\u00e9ralis\u00e9e du partitionnement r\u00e9cursif. Nous avons ainsi abouti \u00e0 un cadre g\u00e9n\u00e9rique qui permet de construire des graphes d\u2019induction dans un contexte supervis\u00e9 ou non supervis\u00e9, et cela, quel que soit le type et le nombre de variables pr\u00e9dictives ou \u00e0 pr\u00e9dire. Il s\u2019agit d\u2019une g\u00e9n\u00e9ralisation des arbres de d\u00e9cision. Derni\u00e8rement, dans le cadre de la th\u00e8se de Vincent Pisetta, nous avons d\u00e9velopp\u00e9 des travaux visant \u00e0 utiliser les for\u00eats al\u00e9atoires pour construire des fonctions Noyau conduisant \u00e0 des classifieurs plus performants que les SVM.<\/a><\/p>\nGraphes topologiques et apprentissage<\/h3>\n
<\/a><\/p>\n\n
\n
La fouille de donn\u00e9es complexes<\/strong><\/h3>\n
<\/a>Les techniques de fouille de donn\u00e9es, dont l\u2019objectif est d\u2019exploiter des donn\u00e9es massives en vue d\u2019extraire des connaissances ou des informations utiles pour l\u2019usager, sont bien adapt\u00e9es pour traiter des donn\u00e9es tabulaires d\u00e9crites par des couples \u00ab\u00a0attribut-valeur\u00a0\u00bb. Or, les donn\u00e9es accessibles dans ce format ne repr\u00e9sentent qu\u2019une faible part, situ\u00e9e entre 10% et 15%, des donn\u00e9es num\u00e9ris\u00e9es. Les vrais d\u00e9fis scientifiques et technologiques se situent dans la Fouille des Donn\u00e9es Complexes comme celles qui sont sur le web par exemple (textes, images, vid\u00e9os). Ces donn\u00e9es complexes se pr\u00eatent moins facilement \u00e0 la fouille et par cons\u00e9quent, n\u00e9cessitent des approches et des outils nouveaux. C\u2019est dans cette optique que, d\u00e8s le d\u00e9but des ann\u00e9es 2000, j\u2019ai engag\u00e9 des travaux autour de cette probl\u00e9matique o\u00f9 j\u2019ai explor\u00e9 deux voies :<\/span><\/p>\n<\/a>\u00a0Il s\u2019agit de trouver des modes de repr\u00e9sentation pour les donn\u00e9es complexes afin de pouvoir les interroger et de naviguer \u00e0 l\u2019int\u00e9rieur. Le fait de recourir \u00e0 des graphes g\u00e9om\u00e9triques offre, une fois le graphe construit, un fort potentiel en termes de navigation et de recherche d\u2019information.<\/span> – Prise en compte des connaissances du domaine dans la fouille de donn\u00e9es complexes\u00a0: <\/span><\/a>Dans les premiers travaux, nous nous sommes vite aper\u00e7us que la fouille de corpus complexes pouvait \u00eatre am\u00e9lior\u00e9e par la prise en compte d\u2019informations externes. Cette id\u00e9e a \u00e9t\u00e9 exploit\u00e9e pour d\u00e9boucher sur des strat\u00e9gies de prise en compte des connaissances du domaine par le biais des ontologies.<\/span><\/p>\nD\u00e9veloppement de logiciels<\/strong><\/h2>\n
<\/a> Depuis le d\u00e9but de ma carri\u00e8re universitaire, j\u2019ai choisi de diffuser librement mes logiciels.\u00a0Nous avons \u00e9t\u00e9 parmi les premiers au monde (1995) \u00e0 mettre un logiciel de fouille de donn\u00e9es sur Internet en t\u00e9l\u00e9chargement libre. SIPINA, qui est un logiciel de fouille de donn\u00e9es par les graphes d\u2019induction. Il a, depuis, connu de nombreuses versions et il a \u00e9t\u00e9 repris compl\u00e8tement au sein de la plate forme Tanagra par un chercheur de mon laboratoire. Tanagra[1]<\/a>est maintenant un des logiciels phare du domaine.<\/p>\nTravaux appliqu\u00e9s<\/strong><\/h2>\n