Modèles de classification non supervisée avec données manquantes non au hasard

Dans ce paragraphe, nous rappelons comment l’approche classification peut être utilisée puis nous proposons un modèle associé aux données qualitatives... 3.1 Modèle

Dans un premier temps, nous proposons une extension de la classe des mod` eles ` a effets al´ eatoires partag´ es pour l’analyse de donn´ ees de survie discr` etes sujettes ` a

Mots cl´ es processus autor´ egressif de bifurcation ; processus de Galton-Watson multi- type ; donn´ ees manquantes ; s´ eries temporelles index´ ees par un arbre ; martingales ;

C’est dans ce but que l’on s’int´eresse aux cartes auto-organisatrices de Kohonen qui sont issues d’un algorithme de classification non supervis´ee.. Cependant il faut ajouter

ici une m´ ethode non-supervis´ ee de factorisation matricielle p´ enalis´ ee multi-blocs pour int´ egrer des donn´

En sup- posant qu’un mod`ele de r´ef´erence soit bien identifi´e et connu dans une situation donn´ee, nous proposons d’estimer les mod`eles de la nouvelle situation comme

Des mod `eles `a fragilit ´es multivari ´ees corr ´el ´ees ont ´et ´e fr ´equemment utilis ´es pour mod ´eliser cette d ´ependance dans les donn ´ees (cf.. Un premier mod `ele

Pour la classification supervis´ ee, nous adoptons une d´ emarche similaire ` a celle pr´ econis´ ee dans le cadre des r´ eseaux de neurones probabilistes.. Pour l’analyse