Explicabilité et contrôle des modèles à base d'arbres dans un contexte de données déséquilibrées.

Explainability and control of tree-based models in a context of unbalanced data.

• Auteur / Autrice : Abdoulaye Sakho
• Direction : Erwan Scornet
• Type : Projet de thèse
• Discipline(s) : Mathématiques
• Date : Inscription en doctorat le 18/12/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences mathématiques de Paris centre
• Partenaire(s) de recherche : Laboratoire : Laboratoire de probabilités, statistique et modélisation (Paris ; 2018-....)

Mots clés

Mots clés libres

Apprentissage statistique

Arbres de décision

IA explicable

Machine Learning

Tree-based model

Explainable AI

Résumé

Ce projet de thèse vise tout d'abord à apporter un éclairage méthodologique sur les différentes approches de rééquilibrage des données (sorties déséquilibrées dans des problèmes de classification). De nombreuses procédures existent et il n'existe pas, à ce jour, de revue claire permettant de proposer une heuristique rigoureuse. Ce projet de thèse s'inscrit dans la thématique de l'interprétabilité des algorithmes d'apprentissage supervisé. Nous étudierons notamment l'impact du rééquilibrage des données sur les indices d'importance de variables, couramment utilisés pour interpréter les méthodes d'ensemble d'arbres (forêts aléatoires, XGBoost).Enfin, une autre approche de l'interprétabilité consiste à contraindre les prédicteurs à avoir une forme simple et spécifique. Nous étudierons ainsi les techniques forçant la monotonie des arbres de décision.

The first aim of this thesis project is to shed methodological light on the various approaches to data rebalancing (unbalanced outputs in classification problems). Numerous procedures exist, but to date there is no clear review that would enable us to propose a rigorous heuristic. This thesis project is in line with the theme of the interpretability of supervised learning algorithms. In particular, we will study the impact of data rebalancing on variable importance indices, commonly used to interpret tree ensemble methods (random forests, XGBoost).Finally, another approach to interpretability consists in constraining predictors to have a simple and specific form. We will study techniques for forcing monotonicity in decision trees. Translated with DeepL.com (free version)