Critères asymptotiques pour la sélection de modèle dans le modèle des blocs latents
vendredi 15 novembre 2019, 9h30 - 10h30
Salle du conseil, espace Turing
La classification croisée définit un clustering simultané des lignes et des colonnes d’une matrice de données. Le modèle des blocs latents (LBM) est un modèle probabiliste de classification croisée, basé sur un modèle de mélange généralisé. L’estimation des paramètres du LBM est un problème difficile à cause de la dépendance induite par la structure des blocs. Cependant la consistance et la normalité asymptotique d’estimateurs ont été récemment établies. Nous aborderons le choix du nombre de blocs pour le LBM et étudierons l’asymptotique de critères de log-vraisemblance pénalisée.
Transparents: KERIBIN-LBM-MAP5-2019-final
