RNTI

MODULAD
Relaxations de la régression logistique : modèles pour l'apprentissage sur une sous-population et la prédiction sur une autre
In DMAS 2007, vol. RNTI-A-1, pp.200-212
Abstract
Habituellement en analyse discriminante on a à prédire le groupe d'appartenance à partir des variables de description ou covariables. La règle de prédiction est élaborée en utilisant un échantillon d'apprentissage soumis aux mêmes conditions externes que les individus à prédire. Dans ce travail, on s'intéresse à la prédiction d'individus d'une certaine sous-population utilisant un échantillon d'apprentissage d'une autre sous-population. En assurance-finance, le problème apparaît quand il faut inférer le groupe d'appartenance de sociétaires-clients soumis à certaines conditions externes et que la règle est élaborée à partir d'individus soumis à d'autres. On propose différents modèles étendant la discrimination logistique classique. Ces modèles se fondent sur des relations acceptables entre les fonctions scores que l'on associerait à chacune des sous-populations en présence.