Colloque

Évaluation de classifications à l'aide de règles d'associations maximales

Louis Rompré

Membre a labase

Louis Rompré

Résumé du colloque

L’utilisation d’outils de classification s’intègre aux efforts déployés pour accélérer l’interprétation des données numériques. Ces outils appliquent des critères de sélectivité sur des unités d’information réparties dans les données brutes. Ainsi, les unités d’information considérées influencent le contenu des classes de similarités générées. Le problème de la sélection de l’unité d’information se pose alors puisqu’à ce jour aucune théorie ne permet de guider ce choix. Face à ce manque, le choix de l’unité d’information est plus souvent qu’autrement mené par des intuitions. Plusieurs itérations sont habituellement nécessaires pour obtenir des résultats convenables. De surcroît, les outils de classification automatisée ont tendance à être sensible à la variation de leur calibrage et à générer de nombreuses classes bruitées. Le gain qui découle de l'utilisation d'outil de classification est atténué par l'effort requis à leur calibration. Il est proposé d'exploiter la notion de règles d'associations maximales pour faciliter l’analyse des classes de manière à rehausser l’intérêt des classifications. Le potentiel des règles d’associations réside dans leur capacité de faire ressortir des connaissances cachées. Elles permettent d’attribuer des degrés de confiance et de support. Ces mesures sont suffisamment génériques et constantes pour rehausser des associations pertinentes dissimulées à travers des classes bruitées peu importe le format des données soumises à la classification.