Une pénalité de groupe pour des données multivoie de grande dimension

Laurent Le Brusquet; Arthur Tenenhaus; Gisela Lechuga; Vincent Perlbarg; Louis Puybasset; Damien Galanaud

Une pénalité de groupe pour des données multivoie de grande dimension

Laurent Le Brusquet ¹ Arthur Tenenhaus ¹ Gisela Lechuga ¹ Vincent Perlbarg ^{2, *} Louis Puybasset Damien Galanaud ³

* Corresponding author

1 L2S - Laboratoire des signaux et systèmes

2 LIF - Laboratoire d'Imagerie Fonctionnelle

3 Service de neuro-radiologie [CHU Pitié-Salpêtrière]

Résumé : Le problème de la classification supervisée de données multivoie de grande dimension avec un a priori de structure de groupes sur les variables est étudie. Plus précisément une pénalité adaptée à cette structure de données est proposée. Sans surcoût calculatoire notable, cette pénalité favorise l’interprétabilité des modèles obtenus. La pénalité est ici développée pour l’analyse discriminante et la régression logistique. Une application à l’analyse de données de neuroimagerie multimodale est présentée.

Keywords : logistic regression Structured penality multiway analysis Fisher discriminant analysis

Document type :

Conference papers

Domain :

Engineering Sciences [physics] / Signal and Image processing

Complete list of metadatas

Cited literature [2 references] Display Hide Download

https://hal-centralesupelec.archives-ouvertes.fr/hal-01235986
Contributor : Alexandra Siebert <>
Submitted on : Tuesday, December 1, 2015 - 10:12:20 AM
Last modification on : Thursday, March 21, 2019 - 2:44:00 PM
Long-term archiving on : Wednesday, March 2, 2016 - 11:22:06 AM

JDS, Le Brusquet, Tenenhaus, L...

Files produced by the author(s)

Une pénalité de groupe pour des données multivoie de grande dimension

File

Identifiers

Collections

Citation

Export

Metrics

296

395

Contact

Une pénalité de groupe pour des données multivoie de grande dimension

File

Identifiers

Collections

Citation

Export

Share

Metrics

296

395

Contact