| Résumé | La recherche sur le biais dans les algorithmes d'apprentissage machine a généralement porté sur l'impact du biais sur la précision prédictive. Nous croyons qu'il y a d'autres facteurs qui devraient également jouer un rôle dans l'évaluation du biais. L'un de ces facteurs est celui de la stabilité de l'algorithme; en d'autres termes, la répétabilité des résultats. Si nous obtenons deux ensembles de données à partir du même phénomène, avec la même distribution des probabilités sous-jacentes, nous aimerions alors que notre algorithme d'apprentissage induise approximativement les mêmes concepts à partir des deux ensembles de données. Nous présentons dans cet article une méthode qui permet de quantifier la stabilité d'après la mesure de l'accord entre les concepts. Nous examinons également les relations entre la stabilité, la précision prédictive et le biais. |
|---|
