Module Technique 19 – Projet Central : Tarification ML

1 XGBoost Poisson/Gamma pour la tarification

XGBoost Poisson/Gamma pour la tarification : meilleure capture des interactions et non-linearites.

Point cle

Maitriser cet outil est essentiel pour industrialiser le projet central.

---

2 Optimisation hyperparametres avec Optuna : n_estimators

Optimisation hyperparametres avec Optuna : n_estimators, max_depth, learning_rate, min_child_weight.

---

3 SHAP values : interpreter chaque prediction

SHAP values : interpreter chaque prediction, waterfall plot, summary plot, dependence plot.

---

4 Comparaison GLM vs XGBoost : Gini

Comparaison GLM vs XGBoost : Gini, lift curve, stabilite dans le temps, interpretabilite.

---

5 Decision documentee dans MLflow : quel

Decision documentee dans MLflow : quel modele deployer et pourquoi.

---

Synthese

5.0.1 Les points essentiels

1. XGBoost Poisson/Gamma pour la tarification : meilleure capture
2. Optimisation hyperparametres avec Optuna : n_estimators, max_depth, learning_rate
3. SHAP values : interpreter chaque prediction, waterfall plot
4. Comparaison GLM vs XGBoost : Gini, lift curve
5. Decision documentee dans MLflow : quel modele deployer

---

Auto-evaluation

Question 1

Comment appliquer ce concept dans le projet central ?

Question 2

Comment appliquer ce concept dans le projet central ?

Question 3

Comment appliquer ce concept dans le projet central ?

Question 4

Comment appliquer ce concept dans le projet central ?

---

<- Retour a la Semaine 19 Voir la Fiche de travail ->