Construction d'une entropie décentrée pour l'apprentissage supervisé

En apprentissage supervisé, de nombreuses mesures sont fon dées sur la notion d'entropie. Une caractéristique majeure des entr opies est qu'elles sont maximales lorsque la distribution des modalités de la variable de classe est uni- forme, ce qui peut être un inconvénient lorsque cette distribution est très éloignée de l'uniformité. Pour traiter ce cas, nous proposons une entropie décentrée qui prend sa valeur maximale pour une distribution donnée. Cette distribution peut être la distribution a priori des classes ou une distribution tenant compte des coûts de mauvaise classification ou plus généralement une distribution fixée par l'utilisateur.