Fiabilisation du machine learning pour l’apprentissage de données déséquilibrées combinant la chaîne de Markov cachée et les techniques de rééchantillonnage - Application sur la prédiction d’anomalie

Abstract

L'objectif de cet article est de concevoir un modèle capable de gérer des données déséquilibrées en utilisant le rééchantillonnage d'apprentissage automatique plus précisément synthetic over-sampling technique, combiné à des chaînes de Markov cachées pour la prédiction des anomalies. Le principe étant de construire une approche puissante pour améliorer les performances de prédiction, notamment dans des contextes comme la détection de fraude qui est considérée comme une sorte d’anomalie