Présentation du projet¶
Dans de nombreux domaines critiques, obtenir une simple prédiction de la part d’un modèle de machine learning ne suffit pas. Pour prendre des décisions éclairées et gérer les risques, il est impératif de connaître le degré de fiabilité de ces prédictions.
Ce projet explore et met en œuvre des méthodes de quantification d’incertitude, notamment la régression quantile et la prédiction conforme. L’objectif est de passer d’une prédiction ponctuelle (souvent faillible) à des intervalles ou des ensembles de prédiction offrant des garanties statistiques fortes.
Ce projet contient l’implémentation, la comparaison et l’évaluation de ces méthodes dans le cadre de la régression, de la classification multi-classe et de la survie avec données censurées.