Using the OLS algorithm to build interpretable rule bases: an application to a depollution problem
Résumé
Un des principaux avantages de la modélisation floue est de pouvoir fournir des résultats interprétables. Parmi ces méthodes de modélisation, l'OLS est un algorithme robuste qui permet d'induire des règles à partir d'un jeu de données. Il utilise la régression linéaire pour sélectionner les règles les plus importantes. Néanmoins la version oriinale ne s'intéresse qu'à la performance numérique sans prendre en compte l'interprétabilité. Nous proposons des modifications qui permettent de considérer ce dernier aspect
Origine : Fichiers produits par l'(les) auteur(s)
Loading...