- author = "Hmida Hmida",
- title = "Extending Genetic Programming for supervised learning from very large datasets (Big data)",
- titletranslation = "Extension des Programmes Genetiques pour l'apprentissage supervise a partir de tres larges Bases de Donnees (Big data)",
- school = "Universite Paris sciences et lettres et Universite de Tunis El Manar",
- year = "2019",
- address = "France",
- month = "23 " # oct,
- keywords = "genetic algorithms, genetic programming, big data, classification, training set sampling, adaptive sampling, spark, programmation genetique, classification, echantillonnage de la base d'apprentissage, echantillonnage adaptatif",
- number = "2019PSLED047",
- hal_id = "tel-03220655",
- hal_version = "v1",
- bibsource = "OAI-PMH server at api.archives-ouvertes.fr",
- identifier = "NNT: 2019PSLED047; tel-03220655",
- language = "fr",
- oai = "oai:HAL:tel-03220655v1",
- rights = "info:eu-repo/semantics/OpenAccess",
-
URL = "
https://tel.archives-ouvertes.fr/tel-03220655/document",
-
URL = "
https://tel.archives-ouvertes.fr/tel-03220655/file/2019PSLED047.pdf",
-
URL = "https://tel.archives-ouvertes.fr/tel-03220655",
- timestamp = "Tue, 25 May 2021 01:00:00 +0200",
-
biburl = "https://dblp.org/rec/phd/hal/Hmida19.bib",
- bibsource = "dblp computer science bibliography, https://dblp.org",
- size = "192 pages",
-
abstract = "In this thesis, we investigate the adaptation of GP to
overcome the data Volume hurdle in Big Data problems.
GP is a well-established meta-heuristic for
classification problems but is impaired with its
computing cost. First, we conduct an extensive review
enriched with an experimental comparative study of
training set sampling algorithms used for GP. Then,
based on the previous study results, we propose some
extensions based on hierarchical sampling. The latter
combines active sampling algorithms on several levels
and has proven to be an appropriate solution for
sampling techniques that cannot deal with large
datatsets (like TBS) and for applying GP to a Big Data
problem as Higgs Boson classification.
Moreover, we formulate a new sampling approach called adaptive sampling, based on controlling sampling frequency depending on learning process and through fixed, determinist and adaptive control schemes. Finally, we present how an existing GP implementation (DEAP) can be adapted by distributing evaluations on a Spark cluster. Then, we demonstrate how this implementation can be run on tiny clusters by sampling.Experiments show the great benefits of using Spark as parallelisation technology for GP.",
- resume = "Dans cette these, nous etudions l'adaptation des Programmes Genetiques (GP) pour surmonter l'obstacle du volume de donnees dans les problemes Big Data. GP est une meta-heuristique qui a fait ses preuves pour les problemes de classification. Neanmoins, son cout de calcul est un frein a son utilisation avec les larges bases d'apprentissage. Tout d'abord, nous effectuons une revue approfondie enrichie par une etude comparative experimentale des algorithmes d'echantillonnage utilises avec GP. Puis, a partir des resultats de l'etude precedente, nous proposons quelques extensions basees sur l'echantillonnage hierarchique. Ce dernier combine des algorithmes d'echantillonnage actif a plusieurs niveaux et s'est prouve une solution appropriee pour mettre a l'echelle certaines techniques comme TBS et pour appliquer GP a un probleme Big Data (cas de la classification des bosons de Higgs). Par ailleurs, nous formulons une nouvelle approche d'echantillonnage appelee echantillonnage adaptatif, basee sur le controle de la frequence d'echantillonnage en fonction du processus d'apprentissage, selon les schemas fixe, deterministe et adaptatif. Enfin, nous presentons comment transformer une implementation GP existante (DEAP) en distribuant les evaluations sur un cluster Spark. Nous demontrons comment cette implementation peut etre executee sur des clusters a nombre de n{\oe}uds reduit grace a l'echantillonnage. Les experiences montrent les grands avantages de l'utilisation de Spark pour la parallelisation de GP.{"}",
-
notes = "In French
Also known as \cite{hmida:tel-03220655}",
