Polygones fondamentaux d’une courbe modulaire

Sur la courbe modulaire X E (7)

Interprétation graphique de la courbe ROC

Résumé. L’aire sous la courbe ROC est un outil pertinent pour mesurer la performance d’un classifieur et possède de nombreux avantages par rapport aux mesures de rappel et précision par classe : la performance est indiquée par une seule mesure et ne dépend pas des populations des classes. Cet avantage se transforme néanmoins en inconvénient lorsqu’il s’agit, lors de la lecture de la courbe, de ...

CHR modulaire avec ask et tell

Dans ce papier, nous introduisons une version modulaire du langage Constraint Handling Rules (CHR), appelé CHRat pour CHR modulaire avec ask et tell. Toute contrainte définie dans un composant CHRat peut être réutilisée à la fois dans les règles et les gardes d’un autre composant CHRat pour définir de nouveaux solveurs de contraintes. Contrairement aux travaux précédents sur la modularité de CH...

Extending DUNE: The dune-xt modules

We present our effort to extend and complement the core modules of the Distributed and Unified Numerics Environment DUNE (http://dune-project.org) by a well tested and structured collection of utilities and concepts. We describe key elements of our four modules dune-xt-common, dune-xt-grid, dune-xt-la and dune-xt-functions, which aim at further enabling the programming of generic algorithms wit...

Apprendre et Optimiser la courbe ROC

Un nouveau critère pour l’évaluation des hypothèses extraites par apprentissage supervisé a été introduit depuis la fin des années 90 : l’aire sous la courbe ROC (AUC). Ce critère induit une nouvelle approche de l’apprentissage, utilisant l’AUC comme critère de choix des hypothèses. L’approche présentée dans cet article s’attaque à l’optimisation de ce critère dans le cadre d’hypothèses linéair...