Skip to Main content Skip to Navigation
Conference papers

Réseaux bayésiens et valeurs de Shapley

Résumé : L'interprétabilité de modèles d'apprentissage automatique est un sujet de plus en plus sensible. Des travaux récents proposent de quantifier les contributions des variables d'un modèle prédictif en s'appuyant sur les valeurs de Shapley. Dans cet article, nous recensons différentes fonctions caractéristiques utilisées dans le calcul des valeurs de Shapley, pour quantifier le pouvoir prédictif direct ou indirect des variables, ou encore leur influence causale. Nous présentons ensuite des techniques ce calcul pourévaluer et appliquer les valeurs de Shapley dans le domaine des réseaux bayésiens. Enfin, l'article propose de promouvoir les valeurs de Shapley comme une articulation entre ces deux facettes de l'apprentissage statistique que forment d'un côté, les modèles prédictifs et de l'autre, les modèles graphiques.
Document type :
Conference papers
Complete list of metadata

https://hal.sorbonne-universite.fr/hal-03417323
Contributor : Mahdi HADJ ALI Connect in order to contact the contributor
Submitted on : Friday, November 5, 2021 - 4:49:52 PM
Last modification on : Sunday, June 26, 2022 - 3:18:43 AM
Long-term archiving on: : Sunday, February 6, 2022 - 7:24:48 PM

File

Article_JFRB2021.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-03417323, version 1

Citation

Mahdi Hadj Ali, yann Le Biannic, Pierre-Henri Wuillemin. Réseaux bayésiens et valeurs de Shapley. 10èmes Journée Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB 2021), Oct 2021, Porquerolles, France. ⟨hal-03417323⟩

Share

Metrics

Record views

42

Files downloads

57