Interprétabilité des modèles de Machine Learning
sur des données spectroscopiques
C’est parmi la communauté de chimiométrie méditerranéenne, à Porquerolles, que Sylvie Roussel présentera les derniers travaux d’Ondalys sur l’interprétabilité des modèles de Machine Learning construits sur des spectres NIR.
Comment éviter l’effet boite noire (black box) des modèles développés à l’aide de méthodes avancées de Machine Learning telles que les Support Vector Machines, les Réseaux de Neurones Artificiels, les méthodes de Boosting…?
L’équipe d’Ondalys a travaillé sur l’interprétabilité des modèles de ML développés sur des données spectroscopiques dans le proche infrarouge, autrement dit « l’explication post-hoc » des modèles de ML.
Le but était de développer des méthodes permettant de :
- comprendre et interpréter spectralement ce qui sous-tend les modèles,
- éviter le sur-apprentissage.
Plusieurs méthodes de régression (SVM, ANN, XG-Boost) ont été entraînées et comparées aux modèles d’étalonnage PLS classiques. L’idée était d’utiliser l’IA explicable (Intelligence Artificielle) ou Explainable AI – XAI pour accroître la fiabilité des résultats des modèles prédictifs.
Venez découvrir les résultats de cette étude
Le Colloquium Chemiometricum Mediterraneum est un évènement scientifique permettant de discuter des dernières avancées en chimiométrie et où le présentations sont réalisées par des chimiométriciens français, espagnols, portugais et italiens dans leurs langues respectives. Le CCM est un lieu permettant d’initier et de favoriser les collaborations internationales au sein de la communauté de chimiométrie.
Retrouvez toutes les informations sur le site du CCM
