, cette méthode sont prometteurs et montrent que la méthode s'adapte bien aux coûts une fois qu'ils sont fournis, tout en déployant les efforts de calcul en phase d'apprentissage. C'est à notre connaissance la première fois qu'une telle méthode est appliquée à des problèmes

R. Bache, K. , and M. Lichman, UCI Machine Learning Repository, 2013.

J. Bergstra and Y. Bengio, Random Search for Hyper-Parameter Optimization, Journal of Machine Learning Research, vol.13, pp.281-305, 2012.

C. Chatelain, S. Adam, Y. Lecourtier, L. Heutte, and T. Paquet, A multi-model selection framework for unknown and/or evolutive misclassification cost problems, Pattern Recognition, vol.43, issue.3, pp.815-823, 2010.
DOI : 10.1016/j.patcog.2009.07.006
URL : https://hal.archives-ouvertes.fr/hal-00435954

R. P. Duin, P. Juszczak, D. De-ridder, P. Paclik, E. Pekalska et al., PRTools, a Matlab toolbox for pattern recognition, 2004.

J. Levesque, A. Durand, C. Gagne, and R. Sabourin, Multi-objective evolutionary optimization for generating ensembles of classifiers in the ROC space, Proceedings of the fourteenth international conference on Genetic and evolutionary computation conference, pp.879-886, 2012.

R. A. Mcdonald, The mean subjective utility score, a novel metric for cost-sensitive classifier evaluation, Pattern Recognition Letters, vol.27, issue.13, pp.1472-1477, 2006.

T. Wu, C. Lin, and R. Weng, Probability estimates for multi-class classification by pairwise coupling, Journal of Machine Learning Research, vol.5, pp.975-1005, 2003.

Z. Zhou and . Liu, On multi-class cost-sensitive Learning, Computational Intelligence, vol.26, issue.3, pp.232-257, 2010.
DOI : 10.1111/j.1467-8640.2010.00358.x
URL : http://www.aaai.org/Papers/AAAI/2006/AAAI06-091.pdf