Exploitation de la causalité pour l'apprentissage de règles floues
Résumé
Dans cet article, nous proposons une approche alliant la logique floue et la causalité afin de générer des connaissances et des explications à partir d'observations.
L'idée est d'identifier les relations causales après fuzzification des entrées et des sorties en utilisant des algorithmes de recherche de causalité classiques tels que Peter-Clark et Fast Causal Inference. Nous combinons ces méthodes de recherche de causalité à des tests d'indépendance conditionnelle basés sur l'entropie pour s'affranchir d'hypothèses sur la distribution des données.
Nous avons conduit des expérimentations pour évaluer la capacité de notre méthode à retrouver les relations causales dans différentes situations, notamment en présence d'une cause latente commune. Les résultats confirment l'intérêt de cette approche par rapport à des méthodes d'extraction de règles floues basées sur les corrélations et d'autres méthodes de l'état de l'art.
Fichier principal
_LFA_2022__Exploitation_de_la_causalité_pour_l_apprentissage_de_règles_floues_publié.pdf (288.03 Ko)
Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)