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)

1 L2S - Laboratoire des signaux et systèmes
2 LIF - Laboratoire d'Imagerie Fonctionnelle
3 CHU Pitié-Salpêtrière [AP-HP]

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.

Mots clés: Structured penality; multiway analysis; Fisher discriminant analysis; logistic regression

Domaines: Traitement du signal et de l'image [eess.SP]

Laurent Le Brusquet, Arthur Tenenhaus, Gisela Lechuga, Vincent Perlbarg, Louis Puybasset, et al.. Une pénalité de groupe pour des données multivoie de grande dimension. 47èmes Journée de Statistique de la SFdS (JdS 2015), Jun 2015, Lille, France. ⟨hal-01235986⟩