Ordonnancement d'alternatives dans le cadre de la théorie des fonctions de croyance
L'ordonnancement d'alternatives est un problème
d'apprentissage dont le but est de relier des instances
à un ordre total défini sur un ensemble d'alternatives
possibles. Nous abordons ce problème dans le cadre de
la théorie des fonctions de croyance. Une approche de
décomposition en paires de préférences sur les alternatives
est adoptée. Pour chaque paire d'alternatives, on
construit un classifieur binaire évidentiel. Ensuite, à partir
des informations fournies par les classifieurs binaires,
deux méthodes, l'une de vote, l'autre basée sur le maximum
de plausibilité d'une permutation, permettent d'obtenir
un ordre total des alternatives pour chaque instance.
Ces deux méthodes sont comparées sur plusieurs jeux de
données.
Label ranking is a learning task where the goal is to
map instances to a linear order on a finite set of predefined
labels. This problem is tackled in the framework of
belief functions theory. A pairwise preference decomposition
is used. For each pair of labels, an evidential binary
classifier is built. Then, using informations provided by
the classifiers, two methods for derving a total order on
the labels for each instance are proposed. The first is a
simple voting scheme. The second one looks for the permutation
of the labels with maximum plausibility. These
methods are compared using various data sets.
