Analyse causale de performance des algorithmes à partir de données dobservation Host Publication: Journées Francophones sur les Réseaux Bayésiens (JFRB) Authors: A. Mabrouk and J. Lemeire Publication Date: May. 2012 Number of Pages: 6
Abstract: L'analyse de performance des algorithmes en fonction
des param`etres fait actuellement l'objet de nombreux
travaux. La tache est ardue, car il s'agit d'etudier la relation
entre les parametres et la performance a partir de tres
grandes masses de donn´ees d'observation. Nous proposons dans
cet article un nouvel outil d'analyse de performance bas´e sur
l'inference causale, en faisant l'apprentissage des mod`eles causaux
de performance bas´es sur les reseaux bay´esiens causaux
´etendus de type multi-nets (BMN) afin de capturer des informations
suppl´ementaires concernant les contextes sp´ecifiques
d'ind´ependances (CSI) et les outliers. Nous pr´esentons les extensions
de l'algorithme d'apprentissage PC qui mettent en application
ces id´ees et qui tiennent compte ´egalement de la coexistence
des variables discr`etes et continues et de la possibilit´e d'existence
des relations d´eterministes entre eux. Nous montrons ensuite
l'int´er^et et l'utilit´e des BMN dans l'analyse de performance `a
travers les conclusions claires qu'ils offrent aux d´eveloppeurs. External Link.
|