Explicabilité des modèles de classification multi-label basée sur l'analyse de concepts formels / Sadia Nait Kaoudj (2022) 

Public ISBD Titre : Explicabilité des modèles de classification multi-label basée sur l'analyse de concepts formels : Ensembles décisifs et règles ancres Type de document : theses et memoires Auteurs : Sadia Nait Kaoudj ; Taguine Jedjiga ; Radja, Directeur de thèse Editeur : Tizi Ouzou : U.M.M.T.O. - F.G.E.I. Année de publication : 2022 Importance : .80 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr . Langues : Français Mots-clés : IA explicable  ACF  Classification multi-label . Résumé : La classification muti-label est ne tâche d'apprentissage supervisé dans laquelle chaque élément de données peut être associé à plusieurs étiquettes simultanément. Bien que les modèles de classification multi-label semblent puissants en termes de précision de prédiction, ils ont cependant certaines limites liées principalement à leur opacité. Nous proposons dans ce travail préliminaire une nouvelle approche pour expliquer les modèles de classification multi-label, basée sur l'analyse de concepts formels (ACF). L'approche proposée permet de répondre à certaines questions qu'un utilisateur peut se poser telles que : quels sont les ensembles d'attributs minimums permettant au classifieur f de faire une prédiction ? et Quels sont les attributs qui contribuent à une prédiction donnée ? En ligne : D:\CD.THESE.2022\MASTER.INF\NAIT KAOUDJ S., TAGUINE J..PDF Format de la ressource électronique : PDF Permalink : ./index.php?lvl=notice_display&id=36787 Explicabilité des modèles de classification multi-label basée sur l'analyse de concepts formels : Ensembles décisifs et règles ancres [theses et memoires] / Sadia Nait Kaoudj ; Taguine Jedjiga ; Radja, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : U.M.M.T.O. - F.G.E.I., 2022 . - .80 p. : ill. ; 30 cm. Bibliogr . Langues : Français Mots-clés : IA explicable  ACF  Classification multi-label . Résumé : La classification muti-label est ne tâche d'apprentissage supervisé dans laquelle chaque élément de données peut être associé à plusieurs étiquettes simultanément. Bien que les modèles de classification multi-label semblent puissants en termes de précision de prédiction, ils ont cependant certaines limites liées principalement à leur opacité. Nous proposons dans ce travail préliminaire une nouvelle approche pour expliquer les modèles de classification multi-label, basée sur l'analyse de concepts formels (ACF). L'approche proposée permet de répondre à certaines questions qu'un utilisateur peut se poser telles que : quels sont les ensembles d'attributs minimums permettant au classifieur f de faire une prédiction ? et Quels sont les attributs qui contribuent à une prédiction donnée ? En ligne : D:\CD.THESE.2022\MASTER.INF\NAIT KAOUDJ S., TAGUINE J..PDF Format de la ressource électronique : PDF Permalink : ./index.php?lvl=notice_display&id=36787

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAST.INF.52-22/1	MAST.INF.52-22	Mémoires	Magasin de Thèses et Mémoires / INF	Master en Informatique	Disponible

Aucun avis, veuillez vous identifier pour ajouter le vôtre !

---

page 1/1