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

Benchmark sur les algorithmes de ML supervisé interprétables


Télécharger le fichier

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 fichier

Publications récentes

#news

Catastrophes naturelles par l’EIOPA

27/03/2025

Bilan de la consultation sur le recalibrage des risques de catastrophes naturelles par l’EIOPA

Lire plus
ECB Résultats agrégés du SREP 2024

20/03/2025

Banque centrale européenne – Les résultats agrégés du SREP 2024

Lire plus
Recommandations finales de l'EBA

10/03/2025

Recommandations finales de l’EBA sur la gestion des risques ESG

Lire plus