Recherche & Développement Toutes les publications Benchmark sur les algorithmes de ML supervisé interprétables

Benchmark sur les algorithmes de ML supervisé interprétables


Télécharger le PDF

ETUDE INTERNE
AUTEURS :  ERNESTO LOPEZ FUNE, VALENTIN MESSINA, AMANDE EDO

L’interprétabilité des algorithmes de machine learning (ML) est cruciale dans des domaines sensibles tels que la finance et la médecine. Ce benchmark compare divers algorithmes supervisés, paramétriques et non-paramétriques, en analysant leurs mécanismes décisionnels. Les modèles paramétriques, tels que la régression linéaire et logistique, offrent une interprétation simple, tandis que les algorithmes non-paramétriques, comme les SVM et les arbres de décision, nécessitent des techniques supplémentaires pour en expliquer les décisions. Nous soulignons l’importance de choisir un modèle adapté aux besoins d’interprétabilité et de complexité, afin d’assurer une meilleure acceptation des modèles dans des contextes exigeants.

Télécharger le PDF

Publications récentes

#news

11/10/2024

Benchmark des scénarios climatiques pour le monde financier

Lire plus

10/10/2024

Article de recherche – Bitcoin à l’actif d’un assureur : Quel choc S2 appliquer ?

Lire plus

10/10/2024

Taxonomie en souscription non vie

Lire plus