Recherche & Développement Toutes les publications Méthodes de rééquilibrage des classes en classification supervisée

Méthodes de rééquilibrage des classes en classification supervisée


Télécharger le fichier
ETUDE INTERNE
AUTEUR : MERWAN CHELOUAH

 

Prédire le défaut d’un emprunteur, le caractère frauduleux d’une transaction ou l’attrition d’un client à partir d’observations du phénomène revient à résoudre un problème de classification supervisé.

Bien souvent, les données disponibles pour résoudre ce problème présentent un déséquilibre : la modalité cible – par exemple, le défaut de l’emprunteur – est sous-représentée dans l’échantillon.

Un tel déséquilibre peut affecter le pouvoir prédictif de notre modèle d’apprentissage car il sera biaisé vers la population majoritaire et produira des prédictions potentiellement moins robustes qu’en l’absence de déséquilibre. Après une revue des principales méthodes de rééquilibrage de classes, nous comparons les performances de ces dernières sur différentes bases de données et pour différents algorithmes de classification.

Télécharger le fichier

Publications récentes

#news

Benchmark Blue Economy Nexialog

12/06/2025

Benchmark Blue Economy

Lire plus
Panorama Du Marché De La CyberAssurance Décryptage Du Rapport LUCY 2025 Et Analyses Complémentaires

10/06/2025

Panorama du marché de la CyberAssurance : Décryptage du Rapport LUCY 2025 et analyses complémentaires

Lire plus
Maîtrise Du Risque De Liquidité En Situation De Dépassement De Gap Exigences Prudentielles Et Solutions De Couverture En ALM Nexialog Article

26/05/2025

Maîtrise du risque de liquidité en situation de dépassement de Gap : exigences prudentielles et solutions de couverture en ALM

Lire plus