Insertion de proximal SVM dans des arbres aléatoires, mode d’emploi

Resume : En inserant plusieurs classifieurs SVM dans une architecture d’arbre binaire, il est possible de changer un probleme multi-classes arbitraire en une hierarchie de classifications binaires. Un des problemes essentiels consiste a determiner a chaque nœud de l’arbre la facon de regrouper les classes multiples en une paire de classes superposees a discriminer. Comme contribution principale, cet article propose d’utiliser un ensemble d’arbres aleatoires au lieu d’un seul arbre de decision optimise, et ce de facon a reduire l’impact du choix de la paire de classes superposees sur les performances du classifieur. Les resultats empiriques obtenus sur differents ensembles de donnees UCI demontrent une amelioration des performances de classification, en comparaison aux solutions SVM et aux ensembles d’arbres aleatoires conventionnels. Mots-cles : SVM, proximal SVM, ensemble d’arbres de decision, classification multi-classes.