Convergence d'un score d'ensemble en ligne : étude empirique

Autor: Benoît Lalloué, Jean-Marie Monnez, Eliane Albuisson
Přispěvatelé: Biology, genetics and statistics (BIGS), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut Élie Cartan de Lorraine (IECL), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Institut Élie Cartan de Lorraine (IECL), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Centre d'investigation clinique plurithématique Pierre Drouin [Nancy] (CIC-P), Centre d'investigation clinique [Nancy] (CIC), Université de Lorraine (UL)-Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL)-Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM), ESPRI-Biobase [CHRU Nancy] (Unité fonctionnelle de la plateforme d’aide à la recherche clinique), Faculté de Médecine [Nancy], Université de Lorraine (UL), Société Française de Statistique, ANR-15-RHUS-0004,FIGHT-HF,Combattre l'insuffisance cardiaque(2015), Lalloué, Benoît, Combattre l'insuffisance cardiaque - - FIGHT-HF2015 - ANR-15-RHUS-0004 - RHUS - VALID, Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL)-Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Lorraine (UL)
Jazyk: francouzština
Rok vydání: 2020
Předmět:
Zdroj: 52e Journées de Statistique
52e Journées de Statistique, Société Française de Statistique, Jul 2020, Nice, France
HAL
Popis: In an online setting, where data arrives continuously, we want to update the parameters of a "batch" score constructed with an ensemble method. To do so, we use stochastic approximation processes, the convergence of which has been theoretically established by the authors, so that parameter estimates can be updated when new observations are taken into account without the need to store all the data obtained previously. Here we study empirically the convergence of the online score to the "batch" score, using different datasets from which data streams are simulated and using different types of processes.
Dans un contexte en ligne où des données arrivent de façon continue, on souhaite actualiser les paramètres d'un score "batch" construit à l'aide d'une méthode d'ensemble. On utilise pour cela des processus d'approximation stochastique, dont la convergence a été établie théoriquement par les auteurs, permettant d'actualiser les estimations des paramètres lors de la prise en compte de nouvelles observations sans avoir à conserver toutes les données obtenues précédemment. Nous étudions ici empiriquement la convergence du score en ligne vers le score "batch", en utilisant différents jeux de données a partir desquels on simule des flux de données et différents types de processus.
Databáze: OpenAIRE