Treillis de concepts et classification supervisée

摘要

Supervised classification is a two-step process. The first step (learning step) consists in building a model (or classifier) describing a predetermined set of data classes. In the second step (classification step), the model is used to predict the class label of previously unseen objects. In this paper we present different concept lattices-based supervised classification methods. We describe the learning and classification principle of each method, their algorithm and complexity. We also describe experimental comparison results obtained with other classification methods, as reported in the literature. We discuss advantages and limitations of concept lattices for supervised classification.%La classification supervisée est une tâche de fouille de données qui consiste à construire un classifieur à partir d'exemples étiquetés par leur classe (phase d'apprentissage), et ensuite à prédire la classe de nouveaux exemples avec le classifieur (phase de classement). Cet article présente plusieurs méthodes de classification supervisée basées sur la structure de treillis de concepts. Nous décrivons les principes et algorithmes d'apprentissage et de classement de chacune des méthodes, ainsi que leur complexité. Nous reportons les résultats expérimentaux publiés dans la littérature qui comparent ces méthodes avec d'autres méthodes de classification, et discutons des avantages et limitations de cette structure pour la classification supervisée.