Quelles limites pour les algorithmes d’apprentissage ?

Avec Michel Denuit, on vient de publier un court article, quelles limites pour les algorithmes d’apprentissage ? Une version en anglais devrait paraître dans un ouvrage collectif dans les semaines à venir.

Une étape essentielle du processus de tarification est le choix de l’algorithme qui permettra de calculer la prime à partir de données passées. En assurance, les modèles prédictifs sont partout : il peut s’agir de calculer la prime demandée pour couvrir les dommages causés à un bien, ou encore d’un score interne de suspicion de fraude sur un sinistre. Ce papier discute des limites de l’application des algorithmes prédictifs en assurance en revenant sur les notions de segmentation des risques et d’hétérogénéité.


OpenEdition suggests that you cite this post as follows:
Arthur Charpentier (May 7, 2020). Quelles limites pour les algorithmes d’apprentissage ? Freakonometrics. Retrieved February 6, 2025 from https://doi.org/10.58079/ovfx


Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.