Comment gérer les données lors d'une mauvaise prédiction

[bdelhez]

Bonjour,

Je possède un algorithme de machine learning permettant de réaliser des prédictions.

Lorsqu'un utilisateur entre ses données dans l’algorithme afin d'obtenir une prédiction, mais que celle-ci sont principalement composées de données "aberrantes", que dois-je faire :

Le gérer en amont et lui refuser l'utilisation de l'algorithme ?
L'accepter en omettant les données aberrantes (il y a t-il une règle pour définir un seuil d’aberration par exemple) ?
Réaliser une prédiction en prenant le risque de sortie un mauvais résultat et prévenir l'utilisateur, on considérant que tout algorithme à ses limites ?

Merci.

[fatal_error]

salut,

>L'accepter en omettant les données aberrantes ?
revient à apprendre à l'algorithme à gérer les données aberrantes

> Réaliser une prédiction en prenant le risque de sortie un mauvais résultat et prévenir l'utilisateur, on considérant que tout algorithme à ses limites ?
généralement la plupart des algos sortent un score ou une proba, libre à l'utilisateur de choisir quoi en faire

> (il y a t-il une règle pour définir un seuil d’aberration par exemple)
ben soit tu le connais et c'est réglé, sois tu apprends à ton algo à le reconnaitre.

par exemple si ton algo est basé sur les réseau de neurones, tu as probablement les relu qui peuvent te servir...