Résumé | Ce rapport technique étudie la comparaison expérimentale des algorithmes courants employés dans leur forme discriminante classique ou à titre de classificateurs générateurs. Les performances de ces deux catégories d'algorithmes sont comparées au moyen de courbes de coût, afin de déterminer quels sont les avantages de l'utilisation d'un classificateur générateur lorsque les coûts d'une classification erronée, et la fréquence des classes, sont inconnus. Tout porte à croire que l'apprentissage d'un classificateur discriminant est plus efficace pour une tâche de classification traditionnelle. Le choix d'algorithmes qui possèdent des formes discriminantes et génératrices permet d'établir une comparaison claire entre ces deux types de classificateurs, sans que cette comparaison soit masquée par des différences de nature algorithmique. Le rapport compare les performances des classificateurs pour 16 ensembles de données, ainsi que pour la gamme complète des fréquences des classes et des coûts liés aux erreurs de classification. Les expériences effectuées démontrent qu'il peut être avantageux d'utiliser des classificateurs générateurs dans le cas d'un apprentissage sensible aux coûts, mais qu'il s'avère plus difficile d'obtenir avec eux une aussi grande efficacité qu'avec des classificateurs discriminants multiples. |
---|