Découverte de sous-groupes de prédictions interprétables pour le triage d'incidents - Archive ouverte HAL Access content directly
Conference Papers Year :

Découverte de sous-groupes de prédictions interprétables pour le triage d'incidents

Abstract

Le besoin de maintenance prédictive s'accompagne d'un nombre croissant d'incidents qui doivent être rapidement assignés aux services appropriés pour des actions correctives. Il existe des modèles prédictifs pour automatiser cette assignation, mais les plus efficaces sont opaques. Des méthodes ont été conçues pour expliquer localement chaque prédiction de tels modèles, mais elles fournissent une explication à chaque résultat, inconcevable en présence d'un nombre important de prédictions à analyser. Nous proposons d'abord un modèle efficace de triage d'incidents, puis une méthode basée sur la découverte de sousgroupes pour grouper les explications de ses prédictions. Cette méthode permet (1) de grouper les incidents dont les prédictions partagent des explications similaires et (2) de fournir une description interprétable à chacun de ces sous-groupes d'incidents. Cet article est une traduction résumée de (Remil et al., 2021).
Fichier principal
Vignette du fichier
Découverte de sous-groupes de prédictions interprétables pour le triage d’incidents.pdf (299.35 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03627854 , version 1 (01-04-2022)

Identifiers

  • HAL Id : hal-03627854 , version 1

Cite

Youcef Remil, Anes Bendimerad, Marc Plantevit, Céline Robardet, Mehdi Kaytoue. Découverte de sous-groupes de prédictions interprétables pour le triage d'incidents. Extraction et Gestion des Connaissances: EGC'2022, Jan 2022, Blois, France. ⟨hal-03627854⟩
36 View
41 Download

Share

Gmail Facebook Twitter LinkedIn More