Recherche & Développement Toutes les publications Techniques d’interprétabilité des modèles de Machine Learning

Techniques d’interprétabilité des modèles de Machine Learning


Télécharger le fichier
ETUDE INTERNE
AUTEURS : NEXIALOG CONSULTING

 

L’interprétabilité est l’un des obstacles techniques à franchir pour pleinement utiliser le Machine Learning dans le domaine bancaire. Dans ce papier, nous présentons différentes techniques permettant d’interpréter les algorithmes de Machine Learning. Nous exhibons ainsi chaque technique tout en présentant la théorie sous-jacente.

Télécharger le fichier

Publications récentes

#news

Note de synthèse Nexialog sur la réglementation européenne des outils de gestion de la liquidité des fonds

15/09/2026

Gestion de la liquidité des fonds : comprendre les nouvelles exigences européennes

Lire plus
Etude Risque climatique dans les modèles bancaire - Nexialog Consulting

07/09/2026

Risque climatique dans les modèles bancaires

Lire plus
Étude Nexialog Consulting sur la modélisation financière face à l’incertitude de transition climatique

18/08/2026

Modéliser la performance financière face à l’incertitude de la transition climatique

Lire plus
}) })