Pourquoi les modèles de mélange pour la classification ? Christophe Biernacki . La revue MODULAD, numéro 40, hiver 2009.

Résumé
Les modèles de mélange apportent une réponse rigoureuse, flexible et interprétable pour les multiples besoins de la classification : classification supervisée ou non, nature des données, choix du nombre de groupes, etc. Les domaines d'applications sont de plus en plus nombreux, aidés en cela par le développement de solutions logicielles adaptées.

Mots clés 
classification supervisée, classification non supervisée, algorithme EM, choix de modèles.

Abstract
Mixture models provide a mathematical-based, flexible and meaningful approach for the wide variety of classification requirements: Unsupervised or supervised classification, data features, number of classes selection, etc. Fields in which mixture models have been successfully applied are numerous and specific softwares are now available.

Key words 
Classification, clustering, EM algorithm, model selection.

Article