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 |
Explicabilité des modèles de classification multi-label basée sur l'analyse de concepts formels (2022) 
