Semi supervised multi label feature selection

Voir Plus Voir Moins

Afficher le Résumé

Il n’y avait jamais eu un temps o`u les donn´ees sont aussi faciles `a collecter et `a enregistrer que maintenant. Avec l’avenement et le d´eveloppement rapide des technologies num´eriques, les donn´ees sont devenues `a la fois un bien pr´ecieux et tr`es abondant. Cependant, avec une telle profusion, se posent des questions relatives `a la qualit´e de ces donn´ees. Des donn´ees bruit´ees et sans un quelconque apport informationnel sont devenues le goulot d’´etranglement de l’apprentissage automatique. La plus probable source de bruit est souvent due `a des variables non pertinentes et/ou redondantes. `A cet ´egard, la s´election de variables (caract´eristiques), habituellement utilis´ee comme une ´etape de pr´etraitement, est devenue le pilier de l’apprentissage automatique, notamment lorsqu’il s’agit de donn´ees `a grande ´echelle.