L'application des dichotomies emboitées a la classification avec des intervalles de probabilités

La décomposition binaire consiste à transformer un problème de classification multiclasse en une série de problèmes binaires plus simples. Cette technique peut fournir cependant des estimations de probabilités conditionnelles binaires inconsistantes entre elles. Les dichotomies emboîtées, qui proposent une décomposition arborescente, permettent d'éviter cet inconvénient. Cependant, une mauvaise estimation des probabilités dans l'arbre peut toujours biaiser les prédictions. Pour remédier à ce problème, nous proposons de considérer les dichotomies emboîtées avec des intervalles de probabilit és. Les expériences montrent que cette approche a plusieurs avantages : inférences plus prudentes quand peu d'information est disponible, et calcul avec des intervalles de probabilités plus efficaces quand des fonctions de coûts génériques sont considérées. Binary decomposition techniques transform a multiclass problem into several simpler binary problems. In such techniques, a classical issue is to ensure the consistency between the binary assessments of conditional probabilities. Nested dichotomies, which consider treeshaped decomposition, do not suffer from this issue. Yet, a wrong probability estimate in the tree can strongly biase the predictions. To overcome this issue, we consider in this paper imprecise nested dichotomies, in which binary probabilities become imprecise. We show in experiments that the approach has many advantages : it provides cautious inferences when only little information is available, and allows to make efficient computations with imprecise probabilities even when considering generic cost functions.