La « Process Intelligence » fait référence à la collecte, à l’analyse et à l’interprétation des données générées par les processus (c’est-à-dire les journaux ou logs) ainsi que les diverses activités métiers au sein d’une organisation dans le but d’améliorer l’efficacité, la productivité et les performances globales.
ExYPro, La méthodologie de Process Mining
Dans cet article je vous propose de découvrir l’outil de XAI (eXplainable AI) très utilisé qu’est LIME. Avec Google colab, et au travers d’un cas pratique guidé pas à pas vous allez voir comment il est simple et pratique d’utiliser cette librairie avec Python.
Introduction à LIME (XAI)
Dans cet article nous allons voir une technique très simple pour filtrer vos colonnes (features) dés lors que vous modéliser votre modèle de Machine Learning.
Filtrer vos données avec la Variance
Le Machine Learning fait sans doute peur aujourd’hui à cause de son coté boite noire. L’approche « mathématiques » (statistiques / Probabilités) fait peur car nous comprenons difficilement la raison des choix du modèle qui a été conçu. Dans cet article nous allons voir comment ces approches statistiques permettent de trouver quelles variables permettent de déterminer ce ou ces choix du modèle. Car c’est finalement bien là l’essence du Machine Learning: trouver les éléments/variables qui on conduit à faire un choix ou prendre une décision non ?
Evaluez l’importance des variables (« Feature Importance »)