Rule-Mining based classification: a benchmark study

Autor: Luck, Margaux, Pallet, Nicolas, Damon, Cecilia

This study proposed an exhaustive stable/reproducible rule-mining algorithm combined to a classifier to generate both accurate and interpretable models. Our method first extracts rules (i.e., a conjunction of conditions about the values of a small nu

Externí odkaz: http://arxiv.org/abs/1706.10199

L1 logistic regression as a feature selection step for training stable classification trees for the prediction of severity criteria in imported malaria

Autor: Talenti, Luca, Luck, Margaux, Yartseva, Anastasia, Argy, Nicolas, Houzé, Sandrine, Damon, Cecilia

Multivariate classification methods using explanatory and predictive models are necessary for characterizing subgroups of patients according to their risk profiles. Popular methods include logistic regression and classification trees with performance

Externí odkaz: http://arxiv.org/abs/1511.06663

Inférence bayésienne de l’évolution de l’atrophie cérébrale et de plages de leucopathie à partir de séquences IRM 3D non homogénéisées

Autor: ROUSSEL, JULIEN, Ancelet, Sophie, DJAZOUBI, SAMY, Brelurut, Geoffray, DAMON, Cecilia, RIBEIRO, MONICA, PYATIGORSKAYA, NADIA, BERNIER, Marie Odile, Ricard, Damien, Bousquet, Nicolas

Publikováno v: 52èmes Journées de Statistique de la Société Française de Statistique, 52èmes Journées SFdS
52èmes Journées de Statistique de la Société Française de Statistique, 52èmes Journées SFdS, 2020, NICE, France

International audience; Ce travail décrit un algorithme synchrone de Gibbs réalisant une segmentation bayésienne non supervisée de régions du cerveau à partir de modèles de Markov cachés et de séquences IRM3D non homogénéisées, issues d�

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::c66837771f9745ab418ae5db297bf660
https://hal.archives-ouvertes.fr/hal-03078824

Non-negative Tensor Factorization for single-channel EEG artifact rejection.

Autor: Damon, Cecilia, Liutkus, Antoine, Gramfort, Alexandre, Essid, Slim

Publikováno v: 2013 IEEE International Workshop on Machine Learning for Signal Processing (MLSP); 2013, p1-6, 6p