Programme module 1
Arbres de décision et méthodes d’agrégation (2 jours)
- Introduction au machine learning
- Définition du machine learning et concept de bases
- Machine Learning et économétrie : similarités et différences
- Machine Learning et modélisation du risque de crédit : apports et limites
- Arbres de décision
- Arbres de classification et arbres de régression
- Algorithme CART
- Mesure d’impureté et élagage
- Les limites des arbres de décision
- Mise en œuvre sous Python, R et SAS
- Méthodes d’agrégation
- Bagging pour classification et régression
- Forêts aléatoires (random forests) pour classification et régression
- Boosting : méthodes AdaBoost et Gradient Boosting
- Mise en œuvre sous Python, R et SAS