|
| Titre : | Une approche basée sur L'ACF pour expliquer la classification multi-lables : Attributs nécessaires | | Type de document : | theses et memoires | | Auteurs : | Fadila Nessah ; Ramdane Celia ; Radja, Directeur de thèse | | Editeur : | Tizi Ouzou : U.M.M.T.O. - F.G.E.I. | | Année de publication : | 2022 | | Importance : | 85 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr . | | Langues : | Français | | Mots-clés : | Systèmes à Boites Noires, Machine Learning Interprétable, Intelligence Artificielle, Apprentissage automatique, Analyse des concepts formels (ACF), Classi?cation multi-labels, Post-hoc | | Résumé : | La classification multi-labels est une tâche d'apprentissage supervisé où chaque élément de donnée peut être associé à plusieurs classes simultanément. Bien que les modèles de classification multi-labels semblent puissants en termes de précision de prédiction, ils ont cependant, comme les classifieurs mono-label, certaines limites principalement liées à leur opacité.
Récemment, les chercheurs en IA accordent plus d'attention à combler cette lacune, ce qui a conduit à l'introduction du nouveau domaine de l'IA eXplicable (XAI). Les explications agnostiques au modèle sont une classe de méthodes d'explication dans XAI qui visent à résoudre le problème mentionné en utilisant des techniques qui n'ont pas accès aux éléments internes d'un modèle appris (boite noire).
Dans ce travail, nous proposons une solution basée sur l'Analyse des concepts formels (ACF), une méthode indépendante du modèle qui explique les décisions de tout classifieur boite noire.Cette méthode présente des explications qui répondent à la question pourquoi une instance "x" a été classée comme "C"au lieu de "C'"où C et C'représentent deux ensemblesde classes.
L'approche proposée permet de répondre à certaines questions qu'un utilisateur peut se poser telles que : Quels sont les ensembles d'attributs minimums (significatifs) permettant au classifieur f de faire une prédiction ? et Quels sont les attributs qui contribuent le plus à une prédiction donnée | | En ligne : | D:\CD.THESE.2022\MASTER.INF\NESSAH F., RAMDANE C..PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36772 |
Une approche basée sur L'ACF pour expliquer la classification multi-lables : Attributs nécessaires [theses et memoires] / Fadila Nessah ; Ramdane Celia ; Radja, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : U.M.M.T.O. - F.G.E.I., 2022 . - 85 p. : ill. ; 30 cm. Bibliogr . Langues : Français | Mots-clés : | Systèmes à Boites Noires, Machine Learning Interprétable, Intelligence Artificielle, Apprentissage automatique, Analyse des concepts formels (ACF), Classi?cation multi-labels, Post-hoc | | Résumé : | La classification multi-labels est une tâche d'apprentissage supervisé où chaque élément de donnée peut être associé à plusieurs classes simultanément. Bien que les modèles de classification multi-labels semblent puissants en termes de précision de prédiction, ils ont cependant, comme les classifieurs mono-label, certaines limites principalement liées à leur opacité.
Récemment, les chercheurs en IA accordent plus d'attention à combler cette lacune, ce qui a conduit à l'introduction du nouveau domaine de l'IA eXplicable (XAI). Les explications agnostiques au modèle sont une classe de méthodes d'explication dans XAI qui visent à résoudre le problème mentionné en utilisant des techniques qui n'ont pas accès aux éléments internes d'un modèle appris (boite noire).
Dans ce travail, nous proposons une solution basée sur l'Analyse des concepts formels (ACF), une méthode indépendante du modèle qui explique les décisions de tout classifieur boite noire.Cette méthode présente des explications qui répondent à la question pourquoi une instance "x" a été classée comme "C"au lieu de "C'"où C et C'représentent deux ensemblesde classes.
L'approche proposée permet de répondre à certaines questions qu'un utilisateur peut se poser telles que : Quels sont les ensembles d'attributs minimums (significatifs) permettant au classifieur f de faire une prédiction ? et Quels sont les attributs qui contribuent le plus à une prédiction donnée | | En ligne : | D:\CD.THESE.2022\MASTER.INF\NESSAH F., RAMDANE C..PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36772 |
|
Une approche basée sur L'ACF pour expliquer la classification multi-lables (2022) 
