Encore aujourd’hui, une forte majorité d’acteurs utilise des méthodes GLM ou GAM. Les méthodes de Machine Learning réputées pour leur performance et leur adaptabilité concurrencent les méthodes GLM et GAM. Cependant, en Machine Learning, la question de la prise en compte de l’exposition est rarement traitée, alors que celle-ci a un impact majeur dans ls modélisations. Aussi, en fonction des méthodes, l’exposition ne s’introduit pas de la même façon.
Notre Data Insights couvre les problématiques suivantes :
- Comment prendre en compte l’exposition en Machine Learning ?
- Pourquoi utiliser un offset en GLM ?
- Les arbres CART ou forêt aléatoire
- L’exposition avec la méthode GBM
- Quels résultats avec les Neutral Networks ?
Nos experts addactis
Nabil RACHDI, Senior Manager, Head of Data Science,
Pierre CHATELAIN, Actuary Fellow of the French IA, PHD Student